知识图谱构建及其在根据放射科医生口述自动生成放射报告中的应用
计算与语言
2022-06-15 v2 人工智能
摘要
传统上，放射科医生准备诊断笔记并与转录员共享。然后转录员参考笔记准备初步格式化报告，最后放射科医生审查报告、纠正错误并签字。该流程导致报告出现显著延迟与错误。在当前研究工作中，我们关注信息抽取（IE）与领域特定知识图谱（KG）等 NLP 技术的应用，以根据放射科医生口述自动生成放射报告。本文聚焦于通过从现有大规模自由文本放射报告语料库中抽取信息，为每个器官构建 KG。我们开发了一条信息抽取流水线，结合基于规则、基于模式和基于词典的技术与词汇-语义特征来抽取实体与关系。短口述中缺失的信息可从 KG 中获取，以生成病理描述并进而生成放射报告。生成的病理描述使用语义相似度指标评估，显示与金标准病理描述具有 97% 的相似度。此外，我们的分析表明，我们的 IE 模块在放射领域表现优于 OpenIE 工具。进一步，我们包含了来自放射医生的手动定性分析，显示 80-85% 的生成报告书写正确，其余部分正确。
引用
@article{arxiv.2206.06308,
title = {Knowledge Graph Construction and Its Application in Automatic Radiology Report Generation from Radiologist's Dictation},
author = {Kaveri Kale and Pushpak Bhattacharyya and Aditya Shetty and Milind Gune and Kush Shrivastava and Rustom Lawyer and Spriha Biswas},
journal= {arXiv preprint arXiv:2206.06308},
year = {2022}
}