基于深度学习的自然语言处理如何改变放射学

自然语言处理(NLP)可以在放射学,从电子健康记录中提取关键数据以及对放射科医生的工作清单进行优先级排序方面提供重要的价值。根据《美国放射学院学报》上发表的一项新分析,深度学习(DL)技术现在正被用于使NLP更加有效-并且这一增长趋势没有任何放缓的迹象。

以色列柴谢巴医学中心的主要作者医学博士Vera Sorin和同事写道:“文献中越来越多地使用DL NLP。”“预计在未来几年中,它将在研究和临床实践中发挥更大的作用。”

Sorin等。分析了关于DL NLP和放射学的10项学术研究,寻找可以帮助放射科医生和其他影像专业人士更好地了解这项新技术的关键趋势。所有研究均于2017年1月至2019年9月发表。

研究小组指出,研究人员正在以多种方式探索DL NLP的有效性。例如,一些研究集中于如何将其用于标记和分类放射学报告。

作者写道:“这可以帮助临床医生专注于报告中的重要数据。”如此集中精力可以减少对关键发现的潜在忽视,并节省阅读时间。例如,放射计算机视觉研究需要图像的结构化标签。手动标记可能很耗时。DL NLP可以为大型数据集提供自动标记。”

该小组分析的一项具体研究涉及使用递归神经网络-“处理顺序信息,因此是理想的句子”-对肌肉骨骼放射学报告中是否存在骨折进行分类。在另一项研究中,卷积神经网络(CNN)已成功用于标记肺栓塞(PEs)。

此外,DL NLP展示了帮助提供者确定患者成像方案的潜力,“可以节省时间,还可以减少造影剂注射的误差”。作者观察到,DL NLP可以帮助用户确定后续建议,尽管在该方法胜过更传统的NLP技术之前还需要做一些工作。

作者写道:“总的来说,DL NLP的研究和使用有望在未来几年中增加。”“了解这项技术的基本概念可以帮助放射科医生为他们领域的变化做好准备。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。