日本语胸部计算机断层扫描报告的大型数据集和高性能查找分类模型的开发:数据集开发和验证研究

科学领域:

• 医学成像中的自然语言处理
• 医疗保健中的人工智能
• 多语言医疗数据分析

背景情况:

• 缺乏大规模的日本放射学数据集阻碍了医疗成像分析的AI开发.
• 日本在CT扫描仪使用中的领先地位需要专门的日语模型.
• 现有的多语言模型对于细微的日语医学文本是不够的.

研究的目的:

• 为自然语言处理 (NLP) 研究开发一个全面的日本CT报告数据集.
• 建立一个专门的语言模型来对放射学发现进行结构化的分类.
• 为可靠的模型性能评估创建一个验证的评估数据集.

主要方法:

• 使用GPT-4o mini将CT-RATE数据集的机器翻译成日语.
• 开发基于BERT的CT-BERT-JPN模型,用于日本放射文本分析.
• 专家放射学家对翻译的报告进行验证,并与GPT-4o对模型的性能进行比较.

主要成果:

• 机器翻译报告保留了一般结构,但需要专家精细化医疗术语和上下文.
• 经放射学家审核的翻译显示了统计学上显著的质量改善.
• 在18个发现中,CT-BERT-JPN在分类中超过了GPT-4o,在大多数情况下获得了高F1分数.

结论:

• 一个强大的日本CT报告数据集和专门模型 (CT-BERT-JPN) 已成功创建.
• 机器翻译和专家验证的混合方法可以产生高质量的医疗数据集.
• 公开的数据集和模型将推动日本医疗保健中的医疗人工智能研究.