Zum Inhalt

Erweiterte Suche

Ergebnisvorschau für Ihre aktuellen Suchbegriffe: 0

Suchoperatoren:

Sie können Operatoren mit Ihrer Suchanfrage kombinieren, um diese noch präziser einzugrenzen. Klicken Sie auf den Suchoperator, um eine Erklärung seiner Funktionsweise anzuzeigen.
Findet Dokumente mit genau dieser Wortgruppe in exakt dieser Schreibweise und Reihenfolge (z.B. "employer branding").
Findet Dokumente, in denen beide Begriffe zusammen vorkommen (z.B. vertrieb UND bonus).
Findet Dokumente, in denen einer der beiden oder beide Begriffe vorkommen (z.B. porsche OR volkswagen).
Findet Dokumente, in denen alle Begriffe vorkommen. Das Leerzeichen wird als UND interpretiert (z.B. mensch roboter alltag).
Findet Dokumente, in denen der Begriff nach NOT nicht vorkommt (z.B. ford NOT "harrison ford").
Findet Dokumente, in denen der gesuchte Begriff mehr als n mal vorkommt. n steht für eine beliebige Anzahl (z.B. COUNT(getriebe)>8).
Findet Dokumente, in denen beide Begriffe in beliebiger Reihenfolge innerhalb von maximal n Worten zueinander stehen. Empfehlung: Wählen Sie zwischen 15 und 30 als maximale Wortanzahl (z.B. NEAR(hybrid, antrieb, 20)).
Findet Dokumente, in denen der Begriff in Wortvarianten vorkommt, wobei diese VOR, HINTER oder VOR und HINTER dem Suchbegriff anschließen können (z.B., leichtbau*, *leichtbau, *leichtbau*).
Findet Dokumente mit dem Suchbegriff in verschiedenen Schreibweisen. Das ? steht für eine einzige Stelle (z.B. organi?ation).
Sonderzeichen werden als UND interpretiert (z.B. Mann + Hummel).

Semantische Suche

powered by (Link öffnet in neuem Fenster)
loading …
Anmelden
Nach oben

Paying Per-Label Attention for Multi-label Extraction from Radiology Reports

  • 2020
  • OriginalPaper
  • Buchkapitel
Erschienen in:
Verfasst von
Patrick Schrempf
Hannah Watson
Shadia Mikhael
Maciej Pajak
Matúš Falis
Aneta Lisowska
Keith W. Muir
David Harris-Birtill
Alison Q. O’Neil
Erschienen in
Interpretable and Annotation-Efficient Learning for Medical Image Computing
Verlag
Springer International Publishing

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Die Ausbildung medizinischer Bildanalysemodelle erfordert große Mengen fachkundig kommentierter Daten, die zeitaufwändig und teuer in der Beschaffung sind. Bilder werden häufig von radiologischen Freitextberichten begleitet, die eine reiche Informationsquelle darstellen. In diesem Aufsatz beschäftigen wir uns mit der automatisierten Extraktion strukturierter Labels aus CT-Berichten für die Abbildung von Schlaganfallpatienten mit tiefem Lernen. Erstens schlagen wir eine Reihe von 31 Labels vor, die mit röntgenologischen Befunden (z. B. Hyperdichte) und klinischen Eindrücken (z. B. Blutungen) im Zusammenhang mit neurologischen Anomalien korrespondieren. Zweitens erweitern wir, inspiriert durch frühere Arbeiten, bestehende hochmoderne neuronale Netzwerkmodelle um einen markenabhängigen Aufmerksamkeitsmechanismus. Durch diesen Mechanismus und einfache synthetische Datenaugmentation sind wir in der Lage, viele Labels mit einem einzigen Modell, klassifiziert nach den Berichten des Radiologen (positiv, unsicher, negativ), zuverlässig zu extrahieren.
Mit KI übersetzt

Electronic supplementary material

The online version of this chapter (https://doi.org/10.1007/978-3-030-61166-8_29) contains supplementary material, which is available to authorized users.

Sie sind bereits Kunde? Dann loggen Sie sich hier ein, um Zugang zu erhalten

Kundenlogin

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 130.000 Bücher
  • über 540 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Oberflächen + Materialtechnik
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 75.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe
  • Oberflächen + Materialtechnik




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 100.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren

Für Entdecker: Lernen Sie Springer Professional besser kennen mit einer kostenlosen Registrierung

Kostenlos Registrieren
Vorheriges Kapitel Semi-supervised Learning for Instrument Detection with a Class Imbalanced Dataset
Titel
Paying Per-Label Attention for Multi-label Extraction from Radiology Reports
Verfasst von
Patrick Schrempf
Hannah Watson
Shadia Mikhael
Maciej Pajak
Matúš Falis
Aneta Lisowska
Keith W. Muir
David Harris-Birtill
Alison Q. O’Neil
Copyright-Jahr
2020
Buch
Interpretable and Annotation-Efficient Learning for Medical Image Computing

Print ISBN: 978-3-030-61165-1

Electronic ISBN: 978-3-030-61166-8

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-61166-8_29
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.

Premium Partner

    Bildnachweise
    AvePoint Deutschland GmbH/© AvePoint Deutschland GmbH, ams.solutions GmbH/© ams.solutions GmbH, Wildix/© Wildix, arvato Systems GmbH/© arvato Systems GmbH, Ninox Software GmbH/© Ninox Software GmbH, Nagarro GmbH/© Nagarro GmbH, GWS mbH/© GWS mbH, CELONIS Labs GmbH, USU GmbH/© USU GmbH, G Data CyberDefense/© G Data CyberDefense, Vendosoft/© Vendosoft, Kumavision/© Kumavision, Noriis Network AG/© Noriis Network AG, tts GmbH/© tts GmbH, Asseco Solutions AG/© Asseco Solutions AG, AFB Gemeinnützige GmbH/© AFB Gemeinnützige GmbH, Ferrari electronic AG/© Ferrari electronic AG, Doxee AT GmbH/© Doxee AT GmbH , Haufe Group SE/© Haufe Group SE, NTT Data/© NTT Data