基于深度神经网络的病理报告自动打标签框架

摘要

得益于深度神经网络的特征提取功能,和深度神经网络结合的CAD系统在许多医学图像分析领域取得很大的成功。多数情况下,CAD系统基于监督学习构建,而训练一个监督学习系统需要大量人工标注的数据,费时费力。超声图像常被用做诊断的依据,也是用作训练模型的数据集,但是在临床上,超声图像并不准确,病理报告才是金标准,通过病理报告可以判断对应病人的超声图像为阳性还是阴性。由超声图像和对应病人病理报告得出的标签(阴性或阳性)就组成一个可用于训练模型的数据。通过文本检测、文本识别、句向量编码、二分类四个步骤提出一个自动打标签的模型,将病理报告作为输入,就可以得到标签,而不需要大量专业医师费事费力人工标注。