[論文レビュー] Medical Text Classification using Convolutional Neural Networks

Mark Hughes, Irene Li+2 more|PubMed|Apr 22, 2017

Topic Modeling被引用数 152

ひとこと要約

この論文は深層畳み込みニューラルネットワークを用いて臨床テキストを文レベルで分類し、一般的なNLPベースラインより約15％改善を報告します。

ABSTRACT

We present an approach to automatically classify clinical text at a sentence level. We are using deep convolutional neural networks to represent complex features. We train the network on a dataset providing a broad categorization of health information. Through a detailed evaluation, we demonstrate that our method outperforms several approaches widely used in natural language processing tasks by about 15%.

研究の動機と目的

• 臨床テキストの自動的な文レベル分類を動機づける。
• 畳み込みニューラルネットワークを用いた複雑な特徴の表現を探る。
• 広範な健康情報カテゴリを含むデータセットでCNNベースのアプローチを評価する。
• CNNの性能を業界で広く用いられているNLPのベースラインと比較する。

提案手法

• 臨床文を深い畳み込みニューラルネットワークで表現し、複雑な特徴を捉える。
• 広範な健康情報カテゴリを提供するデータセットでCNNモデルを訓練する。
• この分野で広く用いられている標準的なNLP手法と性能を評価する。
• ベースラインに対する改善を定量的に評価する（約15％と報告）。

実験結果

リサーチクエスチョン

• RQ1 CNNは臨床テキストを文レベルで効果的に分類できるか？
• RQ2 医療テキスト分類においてCNNベースの表現は従来のNLP手法を上回るか？
• RQ3 与えられたデータセットでCNNが達成した改善の大きさはどれくらいか？

主な発見

• CNNベースのアプローチは約15％の差でいくつかの広く用いられているNLP手法を上回る。
• 本手法は臨床テキストにおける複雑な特徴の有効な表現を示している。
• 評価は広範な健康情報カテゴリを含むデータセット上でCNNモデルを検証している。