[论文解读] Medical Text Classification using Convolutional Neural Networks

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

Topic Modeling被引用 152

一句话总结

本文使用深度卷积神经网络在句子级对临床文本进行分类，并相对于常见NLP基线报告约15%的改进。

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%.

研究动机与目标

• 推动对临床文本的自动句子级分类。
• 探索通过卷积神经网络表示复杂特征。
• 在具有广泛健康信息类别的数据集上评估基于CNN的方法。
• 将CNN性能与广泛使用的NLP基线进行比较。

提出的方法

• 用深度卷积神经网络表示临床句子以捕捉复杂特征。
• 在提供广泛健康信息类别的数据集上训练CNN模型。
• 将性能与该领域广泛使用的标准NLP方法进行比较。
• 定量评估相对于基线的改进（报告为约15%）。

实验结果

研究问题

• RQ1 CNNs 能否在句子级别有效分类临床文本？
• RQ2 基于CNN的表示是否在医疗文本分类上优于传统的NLP方法？
• RQ3 在给定数据集上，CNNs 获得的改进幅度是多少？

主要发现

• CNN-based 方法在多种广泛使用的 NLP 方法上取得约15%的优势。
• 该方法在临床文本中有效表示复杂特征。
• 评估在具有广泛健康信息类别的数据集上验证了CNN模型。