RadGraph2：通过层次化信息抽取建模放射学报告中的疾病进展
计算与语言
2023-08-10 v1 机器学习
摘要
我们提出 RadGraph2，一个用于从放射学报告中抽取信息的新型数据集，侧重于捕捉疾病状态与器械置入随时间的变化。我们引入了基于实体间关系组织的层次化模式，并表明在训练中使用该层次结构可提升信息抽取模型的性能。具体而言，我们对 DyGIE++ 框架进行修改，得到我们的模型 HGIE，其在实体与关系抽取任务上优于先前的模型。我们证明，与在原始 RadGraph 数据集上训练的模型相比，RadGraph2 使模型能够捕捉更广泛的发现并在关系抽取上表现更优。我们的工作为开发可随时间追踪疾病进展的自动化系统，以及利用医学领域标签自然层次结构的信息抽取模型奠定了基础。
引用
@article{arxiv.2308.05046,
title = {RadGraph2: Modeling Disease Progression in Radiology Reports via Hierarchical Information Extraction},
author = {Sameer Khanna and Adam Dejl and Kibo Yoon and Quoc Hung Truong and Hanh Duong and Agustina Saenz and Pranav Rajpurkar},
journal= {arXiv preprint arXiv:2308.05046},
year = {2023}
}
备注
Accepted at Machine Learning for Healthcare 2023