一种面向中文胸片报告生成的疾病标注器

摘要

在医学图像分析领域，中文胸片报告数据集的缺乏限制了中文胸片报告生成技术的发展.一方面，构建中文胸片报告数据集时，专家准确地标注疾病耗时长成本高.另一方面，单一的自然语言生成指标通常用于评价生成报告与真实报告之间的相似性，而评价生成报告的临床正确性和有效性依赖于一个准确的疾病标注器(分类器).针对专家标注疾病耗时长成本高及疾病标注器缺乏的问题，研究提出了一种面向中文胸片报告生成的疾病标注器.该标注器利用双BERT结构分别处理诊断报告和临床信息，并通过疾病与身体部位的隶属关系构建层级标签学习算法，以提升文本分类性能.利用该疾病标注器，构建了一个包含51262例胸片报告样本的中文胸片报告数据集.最后，在专家标注的中文胸片报告子集上进行了实验和分析，验证了该疾病标注器的有效性.

关键词

多标签分类 / 层级标签 / BERT / 中文胸片报告数据集 / 胸片报告生成

基金资助

国家自然科学基金项目(61972046)资助; 中关村科学城-北京大学第三医院临床医学概念验证基金项目(HDCXZHKC2022202)资助