放射肿瘤学NLP数据库
计算与语言
2024-01-23 v1 医学物理
摘要
我们提出了放射肿瘤学NLP数据库（ROND），这是首个专门用于放射肿瘤学的自然语言处理（NLP）数据集。放射肿瘤学是一门重要的医学专业，过去NLP社区对其关注有限。随着通用人工智能（AGI）的出现，对专门数据集和基准测试的需求日益增长，以促进研究与发展。ROND正是为填补放射肿瘤学领域的这一空白而设计的，该领域为NLP探索提供了许多机会。它涵盖了多种NLP任务，包括逻辑推理、文本分类、命名实体识别（NER）、问答（QA）、文本摘要以及患者-临床医生对话，每项任务都明确聚焦于放射肿瘤学概念和应用案例。此外，我们还开发了一个基于ROND的指令微调数据集，包含超过20,000个指令对，并训练了一个大型语言模型CancerChat。这展示了在高度专业化的医学领域内对大型语言模型进行指令微调的潜力。本研究中的评估结果可作为未来研究的基线结果。ROND旨在通过提供一个在特定领域背景下测试和改进算法与模型的平台，推动放射肿瘤学和临床NLP的进步。ROND数据集由美国多家医疗机构联合创建。数据可在https://github.com/zl-liu/Radiation-Oncology-NLP-Database获取。
引用
@article{arxiv.2401.10995,
title = {The Radiation Oncology NLP Database},
author = {Zhengliang Liu and Jason Holmes and Wenxiong Liao and Chenbin Liu and Lian Zhang and Hongying Feng and Peilong Wang and Muhammad Ali Elahi and Hongmin Cai and Lichao Sun and Quanzheng Li and Xiang Li and Tianming Liu and Jiajian Shen and Wei Liu},
journal= {arXiv preprint arXiv:2401.10995},
year = {2024}
}
备注
10 pages, 7 figures, 6 tables