% 0期刊文章% @ 2561 - 326 X %我JMIR出版物% 卡塔尔世界杯8强波胆分析V 7% N % P e38125 % T自然语言处理如何帮助肺部肿瘤肿瘤淋巴结转移分期从自由文本放射学报告:算法开发和验证%,桑德%诺贝尔,卡坦%席格斯,Catharina %贝尔梅霍,罗本尼%,西蒙德克%,安德烈% +学校肿瘤生长和繁殖,马斯特里赫特大学医学中心+,医生Tanslaan 12,马斯特里赫特,6229等,荷兰,614255188,31日putssander@gmail.com % K放射学% K报告% K自然语言处理% K自由文本% K分类系统% K肿瘤学% K肺% K临床决策% K临床% D原始论文7 22.3.2023 % 9 2023% % J JMIR形式Res % G英语% X背景:自然语言处理(NLP)被认为是一种很有前途的解决方案从自由文本中提取和存储的概念以结构化的方式对数据挖掘的目的。这也适用于放射学报告,仍然主要由自由文本。准确、完整报告临床决策支持是非常重要的,例如,在肿瘤分期。因此,NLP可以放射学的内容报告工具结构,从而增加报告的价值。摘要目的:本研究描述了N-stage分类器的实现和验证肺肿瘤。它是基于自由文本根据肿瘤放射胸部计算机断层扫描报告,节点,和转移(TNM)分类,它已被添加到已经存在的t台分类器来创建一个TN-stage分类器相结合。方法:宽大的、PyContextNLP和正则表达式用于适当的信息提取,将附加规则后,准确地提取N-stage。结果:整体TN-stage分类器准确度得分分别为0.84和0.85,分别训练(N = 95)和验证(N = 97)。这是与t台的结果分类器(0.87 - -0.92)。结论:这项研究表明,NLP有潜力从自由文本分类肺肿瘤放射报告根据TNM分类系统T -和N-stages可以提取精度高。 %M 36947118 %R 10.2196/38125 %U https://formative.www.mybigtv.com/2023/1/e38125 %U https://doi.org/10.2196/38125 %U http://www.ncbi.nlm.nih.gov/pubmed/36947118