用于多步放射学报告摘要的可微多智能体演员-评论家方法
计算与语言
2022-05-03 v2
摘要
关于影像检查的放射学报告中，IMPRESSIONS部分是对放射科医生推理与结论的总结，也有助于转诊医生确认或排除某些诊断。自动生成典型信息丰富的放射学报告抽取式摘要需要一系列级联任务。这些任务包括从报告中获取显著内容，以及生成简洁、易读的IMPRESSIONS部分。先前关于放射学报告摘要的研究集中于单步端到端模型——其将显著内容获取任务囊括在内。为充分探索放射学报告摘要的级联结构与可解释性，我们引入两项创新。首先，我们设计了一种两步方法：先抽取式摘要，后生成式摘要。其次，我们进一步将抽取部分拆解为两个独立任务：显著(1)句子与(2)关键词的抽取。在两个临床站点的英文放射学报告上的实验表明，与单步及带单一抽取过程的两步基线相比，我们的新方法能生成更精准的摘要，F1分数总体提升3–4%。
引用
@article{arxiv.2203.08257,
title = {Differentiable Multi-Agent Actor-Critic for Multi-Step Radiology Report Summarization},
author = {Sanjeev Kumar Karn and Ning Liu and Hinrich Schuetze and Oladimeji Farri},
journal= {arXiv preprint arXiv:2203.08257},
year = {2022}
}
备注
Accepted at 60th Annual Meeting of the Association for Computational Linguistics 2022 Main Conference