面向放射学报告多标签提取的逐标签注意力机制
计算与语言
2020-08-10 v3 机器学习
图像与视频处理
摘要
训练医学图像分析模型需要大量专家标注数据，获取过程耗时且昂贵。图像常配有自由文本放射学报告，其为丰富的信息来源。本文中，我们利用深度学习处理从疑似卒中患者头部 CT 报告中自动提取结构化标签的问题。首先，我们提出一组 31 个标签，对应于与神经异常相关的放射学发现（如高密度影）与临床印象（如出血）。其次，受先前工作启发，我们用标签依赖的注意力机制扩展现有的最优神经网络模型。利用该机制与简单的合成数据增强，我们得以用单一模型稳健地提取多个标签，并按放射科医生的报告（阳性、不确定、阴性）分类。该方法可用于进一步研究以从医学文本中有效提取多个标签。
引用
@article{arxiv.2007.16152,
title = {Paying Per-label Attention for Multi-label Extraction from Radiology Reports},
author = {Patrick Schrempf and Hannah Watson and Shadia Mikhael and Maciej Pajak and Matúš Falis and Aneta Lisowska and Keith W. Muir and David Harris-Birtill and Alison Q. O'Neil},
journal= {arXiv preprint arXiv:2007.16152},
year = {2020}
}
备注
Accepted to MICCAI 2020 LABELS workshop