放射学中变压器的双向编码器表示:对自然语言处理应用程序的系统审查
Larisa Gorenstein1, Eli Konen2, Michael Green1
1Department of Diagnostic Imaging, Sheba Medical Center, Ramat-Gan, Israel; Faculty of Medicine, Tel Aviv University, Tel Aviv, Israel.
Journal of the American College of Radiology : JACR
|February 1, 2024
概括
变压器双向编码器表示 (BERT) 模型在放射学中越来越多地用于报告分类和信息提取. 未来的应用可能会提高诊断精度和患者护理.
科学领域:
- 自然语言处理自然语言处理.
- 人工智能在医学中的应用
- 放射学 信息学 信息学
背景情况:
- 自2018年以来,来自变压器的双向编码器表示 (BERT) 显著提升了自然语言处理.
- 伯特的上下文理解导致了创新的应用,特别是在放射学领域.
- 这项研究系统地审查了BERT在放射学领域的影响和应用.
研究的目的:
- 评估基于BERT的模型在放射学中的影响和应用.
- 确定BERT在医学成像中的自然语言处理任务中的使用趋势.
主要方法:
- 按照PRISMA指南进行了系统审查.
- 在PubMed上进行文献搜索,搜索2018年1月1日至2023年2月12日期间发表的研究.
- 关键词包括BERT,自然语言处理,变压器架构和放射学特定术语.
主要成果:
- 在597项研究中,有30项符合纳入标准,重点是追溯分析.
- 大多数研究 (14) 发表于2022年.
- 主要应用涉及分类和从放射学报告中提取信息,主要使用X射线数据. 记录了自动CT协议的分配和胸部X射线的解释.
结论:
- 在放射学中,BERT主要用于报告分类.
- 新兴应用包括协议分配和报告生成.
- 预计BERT技术的进步将推动进一步的创新,提高诊断准确性,报告效率和放射学患者护理.
