自由文本放射学报告的智能词嵌入
信息检索
2017-11-21 v1 计算与语言
摘要
放射学报告是一份丰富的资源，可通过利用持续更新、集成和共享的大量数据来推进医学中的深度学习应用。然而，也存在重大挑战，主要源于自然语言的模糊性与微妙性。我们提出一种混合策略，结合语义词典映射与 word2vec 建模，用于创建自由文本放射学报告的稠密向量嵌入。我们的方法兼具语义词典映射与无监督学习的优势。利用该向量表示，我们将放射学报告自动分类为三类，表示阅片放射科医师对颅内出血诊断的信心程度。我们以不同的词嵌入超参数设置及一系列不同分类器进行了实验。取得的最佳性能为加权精确率 88% 与加权召回率 90%。我们的工作通过允许对叙述性临床笔记进行直接分析，提供了利用非结构化电子健康记录数据的潜力。
引用
@article{arxiv.1711.06968,
title = {Intelligent Word Embeddings of Free-Text Radiology Reports},
author = {Imon Banerjee and Sriraman Madhavan and Roger Eric Goldman and Daniel L. Rubin},
journal= {arXiv preprint arXiv:1711.06968},
year = {2017}
}
备注
AMIA Annual Symposium 2017