Radiology report annotation using intelligent word embeddings: Applied to multi-institutional chest CT cohort.
Radiology report annotation using intelligent word embeddings: Applied to multi-institutional chest CT cohort.
复制标题
放射学报告使用智能单词嵌入的注释：应用于多机构胸部CT队列。
DOI：
10.1016/j.jbi.2017.11.012
复制
发表时间：
2018-01
影响因子：
4.5
通讯作者：
Rubin DL
中科院分区：
文献类型：
--
作者：
Banerjee I;Chen MC;Lungren MP;Rubin DL
我们提出了一种无监督混合方法——智能词嵌入（IWE），该方法将神经嵌入方法与语义字典映射技术相结合，用于创建非结构化放射学报告的密集向量表示。我们应用IWE生成来自两家医疗机构的胸部CT放射学报告的嵌入，并利用向量表示实现基于与肺栓塞（PE）诊断相关的临床相关分类的半自动报告分类。我们使用最先进的基于规则的工具PeFinder和开箱即用的word2vec对性能进行基准测试。在斯坦福测试集中，IWE模型的F1平均得分为0.97，而PeFinder的得分为0.9，原始word2vec的得分为0.94。在UPMC数据集上，IWE模型的平均F1得分为0.94，PeFinder得分为0.92，word2vec得分为0.85。IWE模型具有最低的泛化误差和最高的F1分数。特别有趣的是，IWE模型（在斯坦福数据集上训练）在UPMC数据集上的表现优于PeFinder， UPMC数据集最初用于定制PeFinder模型。
We proposed an unsupervised hybrid method - Intelligent Word Embedding (IWE) that combines neural embedding method with a semantic dictionary mapping technique for creating a dense vector representation of unstructured radiology reports. We applied IWE to generate embedding of chest CT radiology reports from two healthcare organizations and utilized the vector representations to semi-automate report categorization based on clinically relevant categorization related to the diagnosis of pulmonary embolism (PE). We benchmark the performance against a state-of-the-art rule-based tool, PeFinder and out-of-the-box word2vec. On the Stanford test set, the IWE model achieved average F1 score 0.97, whereas the PeFinder scored 0.9 and the original word2vec scored 0.94. On UPMC dataset, the IWE model’s average F1 score was 0.94, when the PeFinder scored 0.92 and word2vec scored 0.85. The IWE model had lowest generalization error with highest F1 scores. Of particular interest, the IWE model (trained on the Stanford dataset) outperformed PeFinder on the UPMC dataset which was used originally to tailor the PeFinder model.
登录
查看更多内容
DOI：
10.1136/jamia.1994.95236146
发表时间：
1994-03-01
影响因子：
6.4
作者：
FRIEDMAN, C;ALDERSON, PO;JOHNSON, SB
通讯作者：
JOHNSON, SB
影响因子：
19.7
作者：
Hripcsak, G;Austin, JHM;Friedman, C
通讯作者：
Friedman, C
影响因子：
4.5
作者：
Chapman BE;Lee S;Kang HP;Chapman WW
通讯作者：
Chapman WW
影响因子：
19.7
作者：
Dreyer, KJ;Kalra, MK;Thrall, JH
通讯作者：
Thrall, JH
影响因子：
2.6
作者：
Dublin, Sascha;Baldwin, Eric;Chapman, Wendy W.
通讯作者：
Chapman, Wendy W.