Clinical BERTScore：一种改进的临床环境自动语音识别性能度量
音频与语音处理
2024-03-14 v4 计算与语言
机器学习
声音
摘要
医疗场景中的自动语音识别（ASR）有潜力节省时间、降低成本、提高报告准确性并减轻医师倦怠。然而，医疗行业采用该技术的步伐较慢，部分原因在于避免医学相关转录错误的重要性。在本工作中，我们提出 Clinical BERTScore（CBERTScore），一种相较于其他错误对临床相关错误施加更高惩罚的 ASR 度量。我们证明，与其他度量（WER、BLUE、METEOR 等）相比，该度量在医学句子上更贴近临床医师偏好，有时差距显著。我们收集了一个包含 149 个真实医学句子上 18 位临床医师偏好的基准，称为临床医师转录偏好基准（CTP），并公开供社区进一步开发具有临床意识的 ASR 度量。据我们所知，这是此类首个公开数据集。我们证明 CBERTScore 更紧密地匹配临床医师的偏好。
引用
@article{arxiv.2303.05737,
title = {Clinical BERTScore: An Improved Measure of Automatic Speech Recognition Performance in Clinical Settings},
author = {Joel Shor and Ruyue Agnes Bi and Subhashini Venugopalan and Steven Ibara and Roman Goldenberg and Ehud Rivlin},
journal= {arXiv preprint arXiv:2303.05737},
year = {2024}
}