使用MammoBERT有效标记法国乳房造影报告

科学领域:

• 医学成像分析分析 医学成像分析
• 自然语言处理 (NLP) 是一种自然语言处理.
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 由于有限的数据集和法律限制,为法语等低资源语言开发医疗NLP模型是困难的.
• 目前用于标记放射学报告 (特征工程,手动注释) 的方法是劳动密集型的.
• 大规模的医学成像模型培训需要精确的标签从放射学文本报告.

研究的目的:

• 引入一种有效的基于BERT的方法,用于标记法国乳腺造影图像报告.
• 利用基于规则的系统和放射科医生注释来改进标签.
• 减少在医学NLP中对放射科医生的广泛注释的依赖.

主要方法:

• 开发了一种基于BERT的模型 (MammoBERT),用于法国的乳房造影报告标签.
• 在有限的放射科医生注释数据集上微调模型.
• 进一步训练模型在基于规则的标签者生成的注释上.

主要成果:

• MammoBERT显著超过了基于规则的标签仪.
• 该模型减少了在培训期间放射科医生注释的必要性.
• 该方法在标记医学成像报告方面表现出卓越的性能.

结论:

• 拟议的MammoBERT模型提供了一种高效和有效的解决方案,用于标记法国乳房造影报告.
• 这项研究推进了医疗图像报告标签的最新技术.
• 该方法促进了大规模的医学成像模型开发,特别是对于资源较低的语言.