摘要

放射学报告通常以非结构化形式总结影像学检查的内容和解读，这阻碍了定量分析。这使得放射服务的监控仅限于不分内容的吞吐量，妨碍了具体、有针对性的操作优化。本文提出Neuradicon，一个用于神经放射学报告定量分析的自然语言处理（NLP）框架。该框架结合了基于规则和人工智能模型，以简洁、定量的形式表示神经学报告，最适合操作指导。我们展示了Neuradicon在336,569份报告语料库上的操作表型应用，并报告了其跨时间和两个独立医疗机构的优异泛化能力。

评论

26页，11图

主题

计算与语言（cs.CL）；人工智能（cs.AI）

引用

arXiv:2107.10021 [cs.CL]
（或此版本的 arXiv:2107.10021v3 [cs.CL]）
DOI: https://doi.org/10.48550/arXiv.2107.10021

提交历史

• v1: 2021年7月21日提交（已撤回）
• v2: 2023年11月27日更新
• v3: 2025年1月17日最新版本

全文链接

• 查看PDF: [链接]
• HTML（实验性）: [链接]
• TeX源码: [链接]
• 其他格式: [链接]

许可

当前浏览上下文: cs.CL

相关工具与资源

包括Bibliographic Explorer、Connected Papers、Litmaps、scite.ai等文献工具，以及alphaXiv、CatalyzeX、DagsHub、Hugging Face、Papers with Code、ScienceCast等代码、数据和媒体资源。

演示

提供Replicate、Hugging Face Spaces、TXYZ.AI等演示平台链接。

相关论文

推荐和搜索工具包括Influence Flower、CORE Recommender等。

关于

arXivLabs: 允许合作者直接在我们的网站上开发和分享新功能的实验项目框架。