将放射学报告发现结果概括为影像学结论
计算与语言
2024-09-30 v3 人工智能
摘要
患者转诊和分诊是医疗中的两个基本问题。医生常需仔细总结复杂的检查发现，以高效地向专科医生沟通，并迅速决定哪些患者需要紧急处理。为此，我们提出了以下三点工作：(1) 一种实现领域内最先进放射学报告概括性能的模型；(2) 一种新颖的医疗数据增强方法；(3) 对该模型局限性和放射学知识获取的分析。我们还提供了针对 MIMIC CXR 数据集开发的未来模型的数据处理管道。我们的最佳模型是微调的 BERT-to-BERT 编码器-解码器，ROUGE-L F1 分别为 58.75/100，超过了采用更复杂注意力机制的专用检查点。我们在本文中探讨了这些方面。
引用
@article{arxiv.2405.06802,
title = {Summarizing Radiology Reports Findings into Impressions},
author = {Raul Salles de Padua and Imran Qureshi},
journal= {arXiv preprint arXiv:2405.06802},
year = {2024}
}
备注
This version reverts to the original preprint, following the advice from the Artificial Intelligence in Health editorial office. The published version is peer-reviewed and available in the journal (see external DOI). The preprint remains unchanged to maintain version transparency, as noted in the further disclosure section of the published article