摘要： 利用基於規則的nlp系統讓機器"讀懂"放射學報告，準確率比基於機器學習的nlp系統要高。
在qure，我們建立了深度學習模型來檢測放射影像中的異常。這些模型需要大量的標記資料來學習診斷異常。因此，我們從醫院和門診放射中心收集了乙個大型資料集。這些資料集包含相關的臨床放射學報告。
目前，當我們訓練深度學習演算法以識別放射學影象的異常情況時，我們使用放射科的醫師報告作為最佳標準。這是目前最好的方式，因為這可以提供以百萬計的影象以實現高精度的分類演算法。
這些報告通常以自由格式文字而不是結構化格式編寫。所以，為了從這些非結構化報告中自動提取結果，我們設計了乙個基於規則的自然語言處理（nlp）系統。如下所示：
這是一篇簡短的放射學報告，從中我們可以提取如下結果：
為什麼是基於規則的nlp系統？
基於規則的nlp系統可以解析無組織內容並對其進行組織。另一方面，基於機器學習（ml）的nlp系統則在大型資料集上訓練時自動生成規則。
與基於ml的方法相比，基於規則的nlp系統具有多重優勢：
1.臨床知識可以手動合併到基於規則的nlp系統中。然而，在基於ml的nlp系統中捕獲這些知識，需要大量的注釋。
2.基於ml的nlp系統自動生成的規則難以解釋。
3.基於規則的nlp系統可以容易地新增或修改，以適應系統中新目標的發現。4.以往的臨床報告分析報告表明，基於ml的nlp系統的結果不如基於規則的nlp系統。
基於規則的nlp開發
由於從多個中心收集了報告，因此有多個報告標準。因此，我們在手動讀取大量報告後構建了一組規則來捕獲這些變化。其中，我舉兩種常見的規則型別例子：
1.發現檢測
在報告中，同樣的發現可以用幾種不同的格式來記錄，這些包括同義詞的定義。例如，blunted cp angle可以通過以下任一方式表示：
1.cp angle is obliterated
2.hazy costophrenic angles
3.obscured cp angle
4.effusion/thickening
我們收集了可用於報告調查結果的所有措辭，並為每項調查結果制定了一條規則。以下是blunted cp angle的規則。
((angle & (blunt | obscur | oblitera | haz | opaci)) | (effusio & thicken))
如果在乙個句子中有angle 、blunted、effusion和thickening 或其同義詞，則該句子將滿足這個規則。
另外，研究結果可以有乙個層次結構。例如，如有任何像edema, groundglass, consolidation等其他近似blunted cp angle的病理情況都可以被認為滿足規則。因此，我們還建立了乙個關於處理這個層次結構的規則。
2.否定檢測
上述規則用於檢測報告中的發現。但這些不足以理解報告。例如，考慮以下句子：
1. intracerebral hemorrhage is absent.
2. contusions are ruled out.
3. no evidence of intracranial hemorrhages in the brain.
雖然intracerebral hemorrhage, contusion 和intracranial hemorrhage等詞語都是在上述句子中提到的。但是它們是不確定的，實際上應該不滿足上述我們提到的規則，可是由於存在相應的關鍵字，會造成干擾。因此，除了發現之外，我們還需要否定一些句子。
我們手動讀取幾個表示否定的句子，並根據它們的結構對這些句子進行分組。檢測否定的規則是基於這些句子建立的。其中乙個如下所示：
我們可以看到上述例子的第一句和第二句與這條規則相符，因此我們可以推斷出這些句子是否定的。
intracerebral hemorrhage is absent ⟶ intracerebral hemorrhage negative.
contusions are ruled out ⟶ contusion negative.
結果：我們在乙個資料集上測試了我們的演算法， 其中包含1878份頭部 ct 掃瞄的臨床放射學報告。我們手動閱讀所有的報告用來創造最佳標準。我們用靈敏度和特異性作為評價指標。所得結果如下表所示。
在本文中，作者使用基於ml的nlp模型來提取頭部ct臨床放射學報告的結果。他們報告的平均敏感度和平均特異度分別為0.9025和0.9172。在評估的目標結果相同的情況下，我們使用基於規則的nlp演算法，報告的平均敏感度和平均特異度分別為0.9841和0.9956。因此，我們可以總結基於規則的nlp演算法在臨床報告上比基於ml的nlp演算法表現更好。
讓機器「讀懂」放射學報告
摘要 利用基於規則的nlp系統讓機器 讀懂 放射學報告，準確率比基於機器學習的nlp系統要高。在qure，我們建立了深度學習模型來檢測放射影像中的異常。這些模型需要大量的標記資料來學習診斷異常。因此，我們從醫院和門診放射中心收集了乙個大型資料集。這些資料集包含相關的臨床放射學報告。目前，當我們訓練深...
你願意讓遊戲讀懂你的心嗎？
正在未來，穿戴褻服褲玩電子遊戲將再也不是乙個可取的行為，因為遊戲責任室大約能窺測到你 赤身的 雄姿 跟著軟體技術的生長，遊戲和玩家之間的干係將會變得愈來愈親密。然而，這類 親密 的方式不必定可以得到你的認同。正在月初的時辰，fast company 關於乙個名為 affective 的麻省理工學院 ...
一文讀懂什麼是機器學習 1 機器學習是什麼
一文讀懂什麼是機器學習 1.機器學習是什麼?一文讀懂什麼是機器學習 2.機器學習的範圍?一文讀懂什麼是機器學習 3.機器學習的方法?一文讀懂什麼是機器學習 4.機器學習的應用及其子類?圖1 機器學習界的執牛耳和網際網路界大鱷的聯姻 這三位都是目前業界炙手可熱的大牛，被網際網路界大鱷求賢若渴的聘請，足...