电子健康记录中的命名实体识别：基于规则与机器学习方法的比较
计算与语言
2019-06-06 v2 人工智能
摘要
本研究探讨了电子健康记录（EHR）数据文本中命名实体识别（NER）的多种方法。具体而言，我们考察了（i）基于规则、（ii）深度学习和（iii）迁移学习系统在脑成像报告NER任务中的应用，重点关注卒中患者的记录。我们探究了每种方法的优缺点，在通用数据集上制定规则并训练，并在来自两个来源的苏格兰放射学报告通用测试集上评估各系统的性能（ESS中的脑成像报告——由NHS Lothian收集的Edinburgh Stroke Study数据，以及NHS Tayside生成的放射学报告）。我们的比较表明，手工设计的系统是自动标注EHR最准确的方式，但在手动系统资源不易获得的情况下，机器学习方法可提供可行的替代方案。
引用
@article{arxiv.1903.03985,
title = {Named Entity Recognition for Electronic Health Records: A Comparison of Rule-based and Machine Learning Approaches},
author = {Philip John Gorinski and Honghan Wu and Claire Grover and Richard Tobin and Conn Talbot and Heather Whalley and Cathie Sudlow and William Whiteley and Beatrice Alex},
journal= {arXiv preprint arXiv:1903.03985},
year = {2019}
}
备注
8 pages, presented at HealTAC 2019, Cardiff, 24-25/04/2019