神经放射学报告中的痴呆相关体积评估:基于自然语言处理的研究
Adam John Mayers1,2, Angus Roberts3, Ashwin V Venkataraman3,4
1King's College London, Institute of Psychiatry Psychology & Neuroscience, London, UK adam.mayers@nhs.net.
BMJ open
|September 29, 2025
概括
自然语言处理 (NLP) 可以准确地从非结构化的放射学报告中提取大脑MRI体积数据. 这提高了对痴呆症等疾病的研究数据的可用性.
科学领域:
- 神经成像是一种神经成像.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 大脑MRI体积评估对记忆诊所至关重要,但通常是在非结构化的文本报告中.
- 手动提取这些数据耗时,并限制了研究潜力.
研究的目的:
- 开发和评估一种自然语言处理 (NLP) 算法.
- 从脑MRI放射学报告中提取内体积测量评估.
- 为了提高数据的可用性,用于研究的记忆评估服务.
主要方法:
- 利用从记忆评估服务中获得的4007份未被识别的大脑MRI报告.
- 使用跨度分类方法开发了一个NLP算法.
- 提取了六个二进制类别:全球,海马/中部叶和叶/区域体积损失.
主要成果:
- 在NLP提取中获得了0.89的F1整体得分.
- 对于全球体积损失检测 (0.95/0.95) 证明了高精度和回忆.
- 在海马体体积损失 (0.90/0.88) 和区域体积损失 (0.80/0.58) 方面表现强.
结论:
- 对于从放射学报告中提取体积数据,NLP技术是可行的和准确的.
- 在电子健康记录中从痴呆症评估中自动生成元数据是可能的.
- 这种方法可以显著提高研究目的的数据可用性.
