用于自动化 ICD-O 形态学分级的非结构化病理报告层次深度学习分类
机器学习
2020-09-02 v1
摘要
及时的癌症报告数据对于理解癌症影响、指导公共卫生资源规划和实施癌症政策是必要的，尤其在报告滞后落后于世界平均水平的撒哈拉以南非洲。包含肿瘤特异性数据的非结构化病理报告是癌症登记处收集信息的主要来源。由于癌症登记处雇用的人工编码员使用国际肿瘤疾病分类（ICD-O）代码手动处理和标注病理报告，导致了癌症报告的显著滞后。我们提出一种层次深度学习分类方法，采用卷积神经网络模型自动化分类 1813 份匿名乳腺癌病理报告，将其归入 9 个类别中适用的 ICD-O 形态学代码。我们证明，与针对相同报告的扁平多类 CNN 模型相比，该层次深度学习分类方法在 ICD-O 形态学分类上的性能更优。
引用
@article{arxiv.2009.00542,
title = {Hierarchical Deep Learning Classification of Unstructured Pathology Reports to Automate ICD-O Morphology Grading},
author = {Waheeda Saib and Tapiwa Chiwewe and Elvira Singh},
journal= {arXiv preprint arXiv:2009.00542},
year = {2020}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216. arXiv admin note: substantial text overlap with arXiv:2008.12571