基于MinBERT的医学图像标注分类

标记图像数据的缺乏对人工智能在医学图像诊断中的应用提出了严峻的挑战。医学图像注释包含有价值的患者信息，可用于标记机器学习任务的图像。然而，大多数图像注释文本都是非结构化的，具有异构性和短段落字符，这使传统的基于关键字的技术失效。我们利用深度学习方法，通过使用深度单词嵌入和深度神经网络分类器的组合，自动恢复医学图像注释的缺失标签。提出了在医学图像注释语料库（MinBERT）上训练的变换器的双向编码器表示。我们将所提出的技术应用于两个典型的分类任务：医学图像类型识别和临床诊断识别。这两种方法显著优于基线方法，在图像类型识别方面的准确率分别为99.56%和99.72%，在临床诊断识别方面的正确率分别为94.56%和92.45%。可视化分析进一步表明，单词嵌入可以有效地捕捉不同表达之间的语义相似性和规律。结果表明，我们提出的框架可以通过自动提取电子病历信息来准确地恢复医学图像中缺失的标签信息。因此，它可以作为一个强大的工具，在各种医疗人工智能应用中探索有用的训练数据。