• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Neural Network Society Conference on Big Data >Multi-task Deep Neural Networks for Automated Extraction of Primary Site and Laterality Information from Cancer Pathology Reports
【24h】

Multi-task Deep Neural Networks for Automated Extraction of Primary Site and Laterality Information from Cancer Pathology Reports

机译：多任务深度神经网络，用于自动提取癌症病理报告的主要部位和横向信息

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Automated annotation of free-text cancer pathology reports is a critical challenge for cancer registries and the national cancer surveillance program. In this paper, we investigated deep neural networks (DNNs) for automated extraction of the primary cancer site and its laterality, two fundamental targets of cancer reporting. Our experiments showed that single-task DNNs are capable of extracting information with higher precision and recall than traditional classification methods for the more challenging target. Furthermore, a multi-task learning DNN resulted in further performance improvement. This preliminary study, indicate the strong potential for multi-task deep neural networks to extract cancer-relevant information from free-text pathology reports.
机译：自动注释自由文本癌症病理报告是癌症注册管理机构和国家癌症监测计划的一个关键挑战。在本文中，我们研究了深度神经网络（DNN），用于自动提取原发性癌症遗址及其横向性，癌症报告的两个基本目标。我们的实验表明，单任务DNN能够以更具挑战性目标的传统分类方法提取具有更高精度和召回的信息。此外，多任务学习DNN导致进一步的性能改进。这项初步研究表明，从自由文本病理报告中提取了多任务深度神经网络的强大潜力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号