在LNDb医疗报告中肺结节的语言模型
概括
本研究介绍了一种方法,从葡萄牙医疗报告中提取肺结节的细节. 该方法使用变压器模型来提高结节分析在临床环境中的效率和准确性.
科学领域:
- 自然语言处理自然语言处理.
- 医疗信息学 医疗信息学
- 放射学报告 放射学报告
背景情况:
- 不结构化的医疗报告阻碍了肺结节数据分析.
- 访问和重复使用关于肺结节的信息是具有挑战性的.
- 对于临床决策,需要对肺结节描述进行标准化分析.
研究的目的:
- 开发和评估一种分析葡萄牙医疗报告以提取肺结节信息的方法.
- 通过结构化结节描述来实现成像数据的统计分析和重新说明.
- 在临床实践中提高肺结节分析的效率和准确性.
主要方法:
- 一种多步骤的方法,涉及句子相关性分类,命名实体识别和关系提取.
- 使用了基于变压器的模型,特别是BioBERTpt和BERTimbau.
- 使用像F1得分和准确度这样的指标来评估性能.
主要成果:
- 使用BERTimbau-large实现了0.87的F1评分,用于使用BERTimbau-large进行命名实体识别.
- 对于关系提取,获得了0.69的准确性.
- 证明了该方法在有效和准确的结节分析方面的潜力,尽管在关系提取方面存在挑战.
结论:
- 拟议的方法有效地从葡萄牙医疗报告中提取关键的肺结节信息.
- 变压器模型在自动化放射学报告分析方面表现有前途.
- 采用这些工具可以在临床实践中节省大量时间和提高准确性.
