从含噪音频转录文本中提取生物医学实体
计算与语言
2024-03-27 v1
摘要
自动语音识别（ASR）技术是将口语转录为文本的基础，在临床领域有广泛应用，包括简化医疗转录以及与电子健康档案（EHR）系统集成。然而，挑战依然存在，尤其是当转录文本包含噪声时，会导致自然语言处理（NLP）模型应用时性能显著下降。命名实体识别（NER）作为一项关键的临床任务，尤其受此类噪声影响，这通常被称为 ASR-NLP 差距。先前的工作主要研究了 ASR 在干净录音中的效率，留下了关于噪声环境下性能的研究空白。本文引入了一个新颖的数据集 BioASR-NER，旨在弥合生物医学领域的 ASR-NLP 差距，重点关注从成人认知电话简短测试（BTACT）中提取药物不良反应和实体提及。我们的数据集提供了近 2000 条干净和含噪录音的全面集合。为解决噪声挑战，我们提出了一种使用 GPT4 的创新转录文本清理方法，研究了零样本和少样本方法。我们的研究进一步深入进行了错误分析，揭示了转录软件中的错误类型、GPT4 的纠正情况以及 GPT4 面临的挑战。本文旨在促进对 ASR-NLP 差距的更好理解和潜在解决方案，最终支持改进的医疗文档实践。
引用
@article{arxiv.2403.17363,
title = {Extracting Biomedical Entities from Noisy Audio Transcripts},
author = {Nima Ebadi and Kellen Morgan and Adrian Tan and Billy Linares and Sheri Osborn and Emma Majors and Jeremy Davis and Anthony Rios},
journal= {arXiv preprint arXiv:2403.17363},
year = {2024}
}
备注
Accepted to LREC-COLING 2024