基于神经放射学报告标注影像数据集：一项验证研究
图像与视频处理
2021-03-10 v5 计算机视觉与模式识别
摘要
自然语言处理（NLP）有望作为一种手段，自动化标注医院规模的神经放射学磁共振成像（MRI）数据集以用于计算机视觉应用。然而，迄今为止尚未对该方法的有效性进行深入研究，包括确定报告标签相比图像标签的准确性，以及考察非专业标注者的表现。本工作中，我们借鉴了一个神经放射学家团队的经验，他们作为构建专用基于深度学习的神经放射学报告分类器项目的一部分，标注了超过 5000 份 MRI 神经放射学报告。我们表明，根据我们的经验，仅从报告为图像分配二值标签（即正常与异常）是高度准确的。然而，与二值标签相反，更细粒度标注的准确性依赖于类别，我们阐明了造成此差异的原因。我们还表明，当训练报告的标注由非专业人员完成时，下游模型性能会下降。为使其他研究者加速其研究，我们公开了精炼的异常定义与标注规则，以及我们易于使用的放射学报告标注应用程序，其有助于简化该过程。
引用
@article{arxiv.2007.04226,
title = {Labelling imaging datasets on the basis of neuroradiology reports: a validation study},
author = {David A. Wood and Sina Kafiabadi and Aisha Al Busaidi and Emily Guilhem and Jeremy Lynch and Matthew Townend and Antanas Montvila and Juveria Siddiqui and Naveen Gadapa and Matthew Benger and Gareth Barker and Sebastian Ourselin and James H. Cole and Thomas C. Booth},
journal= {arXiv preprint arXiv:2007.04226},
year = {2021}
}