利用基于跨度的 BERT 关系抽取模型提取带归一化解剖信息的放射学发现
计算与语言
2021-08-23 v1
摘要
医学影像对包括多种癌症在内的众多医学问题的诊断和治疗至关重要。医学影像报告提炼了放射科医师的发现与观察，以非结构化文本形式表征非结构化医学图像。大规模利用此类文本编码信息需要将非结构化文本转换为结构化语义表示。我们探索从与放射学发现相关联的放射学报告中抽取并归一化解剖信息。我们使用基于跨度的关系抽取模型（该模型利用 BERT 联合抽取实体与关系）来研究此抽取与归一化任务。本工作考察了影响抽取与归一化性能的因素，包括身体部位/器官系统、出现频率、跨度长度及跨度多样性。文中讨论了提升性能及构建放射学现象高质量语义表示的方法。
引用
@article{arxiv.2108.09211,
title = {Extracting Radiological Findings With Normalized Anatomical Information Using a Span-Based BERT Relation Extraction Model},
author = {Kevin Lybarger and Aashka Damani and Martin Gunn and Ozlem Uzuner and Meliha Yetisgen},
journal= {arXiv preprint arXiv:2108.09211},
year = {2021}
}