基于主题模型的胸部X光片诊断报告异常检测方法

• 作者: 冯旭鹏 刘利军 尤诚诚 黄青松
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 诊断报告 长短期记忆神经网络 主题模型 异常检测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 741-748
• 页数: 8页
• 分类号: TP391.1
• 字数: 6430字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.04.022

摘要

胸部X光片是患者胸部检查的优先选择,对患者的诊断治疗起着重要的作用.医生依据自身的经验和习惯书写胸部X光片诊断报告,由于一些主观或者客观的原因,会开具一些影像描述与诊断结论不相符的异常诊断报告,因此对诊断报告进行异常检测有着重要的研究意义.胸片诊断报告未登录词多、数据高维稀疏,缺乏大量有效标注,传统方法检测异常胸片诊断报告效果不佳,为此,提出了一种基于主题模型的胸部X光片诊断报告异常检测方法.首先用双向LSTM-CRF模型结合诊断报告中的字符级特征,获取特定的医疗术语特征,解决诊断报告中未登录词多,描述自由的问题.然后依据领域知识和模板将诊断报告进行有效的特征扩展,缓解数据稀疏问题.最后用LDA模型判断诊断报告中影像描述与诊断结论特征是否匹配,检测出异常胸片诊断报告.实验结果表明,在阈值为2的情况下,异常检测的准确率为92.82％,召回率为69.54％,检测性能优于传统方法的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄青松	昆明理工大学信息工程与自动化学院	91	265	9.0	12.0
3	刘利军	昆明理工大学信息工程与自动化学院	77	196	7.0	10.0
4	冯旭鹏	昆明理工大学信息化建设管理中心	34	77	5.0	7.0
7	尤诚诚	昆明理工大学信息工程与自动化学院	1	0	0.0	0.0