德国临床语言在真实和合成临床文档中的时间注释:语料库开发和基线标记器验证研究

科学领域:

• 自然语言处理自然语言处理.
• 临床信息学 临床信息学
• 计算语言学 计算语言学

背景情况:

• 时间信息对于临床决策至关重要.
• 自动提取时间数据需要注释的临床报告.
• 德国临床语言资源对于时间标签很少.

研究的目的:

• 为德国医学语言开发一个符合TimeML的注释模式.
• 适应现有的时间实体和关系的英语指南.
• 训练德国临床文件的基线时间标记器.

主要方法:

• 适应英语时间注释指南的德国临床术语.
• 使用了5名经过临床培训的注释者进行改进.
• 使用TimeML标准注释了两个德国公司 (3000PA_J和GraSCCo).
• 从基于变压器 (BERT) 的标记器开发了双向编码器表示.

主要成果:

• 创建了3000PA_J-temp (不可分发) 和GraSCCo-temp (可公开使用) 的公司.
• 在时间命名实体识别方面获得了高的interannotator协议 (IAA) F₁-scores (0.9).
• 时间关系提取IAA F1得分为0.57 (GraSCCo) 和0.41 (3000PAJ).
• 基线标记器性能达到F₁-score为0.64-0.85的命名实体和0.60-0.64的关系提取.

结论:

• 引入了第一个符合TimeML的注释方案,用于德国临床语言.
• 开发了第一个公开可访问的,暂时注释的德国临床集体 (GraSCCo-temp).
• 培训了第一个符合TimeML的时间标记器,用于德国临床文本.
• 产生了大量的时间元数据,相当于英国大型临床数据集.