文献

J-GLOBAL ID：202002281232318410   整理番号：20A2472961

Bi-CNNs-LSTM-CRFに基づく医用画像報告の構造的応用【JST・京大機械翻訳】

Structural Application of Medical Image Report Based on Bi-CNNs-LSTM-CRF

著者 (2件)： Moallim Aesha Abdullah (Donghua University, School of Computer Science and Technology, Shanghai, China) ,  Yun Li Ji (Donghua University, School of Computer Science and Technology, Shanghai, China)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1158  ページ： 365-377  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 医用画像報告は,医療スタッフが患者の医療活動を記録するための重要な情報キャリアである。それは多数の技術的用語と医療知識を含む。医療イメージング報告からの効果的な情報の抽出は,臨床意思決定をよりよく提供し,医療分野の開発を促進する。本論文では,乳房医用画像レポートに焦点を当て,レポートの構造特性を分析し,医用記録構造化テンプレートを設計し,画像レポートからテキスト特徴を抽出し,正準形式で構造化データを形成した。本論文では,機械学習モデル双方向CNN-LSTM-CRFを用いて,画像レポートにおける関連病変の特性情報を抽出した。実験データは,BI-RADS分類情報の予測による構造の影響を評価するために,医療施設によって提供された画像検査報告から来る。データは医療施設によって提供され,特徴標識の抽出結果は平均精度が95.71%であり,平均再現率は98.10%,平均F1値は97.29%であった。Copyright Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  画像処理 ,  乳房 ,  医療施設 ,  *医用画像 ,  正準形式 ,  構造特性 ,  機械学習
準シソーラス用語： 再現率 ,  検像 ,  構造化データ ,  医療活動 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (7件)： 画像報告 ,  アラビア語 ,  構造化 ,  Bi-LSTM ,  CNN ,  CRF ,  テキスト特徴

分類 (2件)： 医用情報処理  (JE15030Q) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： Bi ,  LSTM ,  CRF ,  医用画像 ,  報告 ,  応用