放射学报告中的 RadLex 标准化
计算与语言
2020-09-14 v1
摘要
放射学报告已被广泛用于提取关于患者影像检查的各种临床重要信息。然而，有限的研究关注于将实体标准化为通用的放射学专用词汇表。此外，迄今为止尚无研究尝试利用 RadLex 进行标准化。在本文中，我们旨在将多种不同的放射学实体标准化为 RadLex 术语。我们通过标注三类报告中的实体手动构建了一个标准化语料库。其包含 1706 个实体提及。我们提出了两种基于预训练语言模型（BERT）的深度学习 NLP 方法用于自动标准化。首先，我们使用 BM25 为基于 BERT 的模型（重排序器和跨度检测器）检索候选概念以预测标准化概念。结果令人鼓舞，跨度检测器取得了最佳准确率（78.44%）。此外，我们讨论了语料库构建中的挑战并提出了新的 RadLex 术语。
引用
@article{arxiv.2009.05128,
title = {RadLex Normalization in Radiology Reports},
author = {Surabhi Datta and Jordan Godfrey-Stovall and Kirk Roberts},
journal= {arXiv preprint arXiv:2009.05128},
year = {2020}
}
备注
Accepted at the AMIA Annual Symposium 2020