• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

相似文献

1
Deep Learning Approaches Substantially Improve Automated Extraction of Information from Free-Text Medical Reports.深度学习方法极大地改进了从自由文本医学报告中自动提取信息的能力。
Radiol Artif Intell. 2019 Aug 7;1(5):e190118. doi: 10.1148/ryai.2019190118. eCollection 2019 Sep.
2
Extracting Clinical Information From Japanese Radiology Reports Using a 2-Stage Deep Learning Approach: Algorithm Development and Validation.使用两阶段深度学习方法从日本放射学报告中提取临床信息：算法开发与验证
JMIR Med Inform. 2023 Nov 14;11:e49041. doi: 10.2196/49041.
3
Information extraction from multi-institutional radiology reports.从多机构放射学报告中提取信息。
Artif Intell Med. 2016 Jan;66:29-39. doi: 10.1016/j.artmed.2015.09.007. Epub 2015 Oct 3.
4
Automatic extraction of cancer registry reportable information from free-text pathology reports using multitask convolutional neural networks.使用多任务卷积神经网络从自由文本病理报告中自动提取癌症登记报告信息。
J Am Med Inform Assoc. 2020 Jan 1;27(1):89-98. doi: 10.1093/jamia/ocz153.
5
Deep Learning for Automated Extraction of Primary Sites From Cancer Pathology Reports.深度学习在癌症病理报告中自动提取原发部位的应用
IEEE J Biomed Health Inform. 2018 Jan;22(1):244-251. doi: 10.1109/JBHI.2017.2700722. Epub 2017 May 3.
6
Application of Deep Learning in Generating Structured Radiology Reports: A Transformer-Based Technique.深度学习在生成结构化放射学报告中的应用：基于转换器的技术。
J Digit Imaging. 2023 Feb;36(1):80-90. doi: 10.1007/s10278-022-00692-x. Epub 2022 Aug 24.
7
Comparative effectiveness of convolutional neural network (CNN) and recurrent neural network (RNN) architectures for radiology text report classification.卷积神经网络 (CNN) 和循环神经网络 (RNN) 架构在放射学文本报告分类中的比较效果。
Artif Intell Med. 2019 Jun;97:79-88. doi: 10.1016/j.artmed.2018.11.004. Epub 2018 Nov 23.
8
Web-Based Application Based on Human-in-the-Loop Deep Learning for Deidentifying Free-Text Data in Electronic Medical Records: Development and Usability Study.基于人在回路深度学习的电子病历自由文本数据去识别化的网络应用程序：开发与可用性研究
Interact J Med Res. 2023 Aug 25;12:e46322. doi: 10.2196/46322.
9
A Hybrid Model for Family History Information Identification and Relation Extraction: Development and Evaluation of an End-to-End Information Extraction System.一种用于家族病史信息识别与关系抽取的混合模型：一个端到端信息抽取系统的开发与评估
JMIR Med Inform. 2021 Apr 22;9(4):e22797. doi: 10.2196/22797.
10
Automated Classification of Free-Text Radiology Reports: Using Different Feature Extraction Methods to Identify Fractures of the Distal Fibula.自动化自由文本放射学报告分类：使用不同的特征提取方法识别腓骨远端骨折。
Rofo. 2023 Aug;195(8):713-719. doi: 10.1055/a-2061-6562. Epub 2023 May 9.

本文引用的文献

1
Automated Organ-Level Classification of Free-Text Pathology Reports to Support a Radiology Follow-up Tracking Engine.用于支持放射学随访跟踪引擎的自由文本病理报告的自动器官水平分类
Radiol Artif Intell. 2019 Aug 7;1(5):e180052. doi: 10.1148/ryai.2019180052. eCollection 2019 Sep.
2
Deep Learning to Classify Radiology Free-Text Reports.深度学习在放射科自由文本报告分类中的应用
Radiology. 2018 Mar;286(3):845-852. doi: 10.1148/radiol.2017171115. Epub 2017 Nov 13.
3
Deep Learning for Automated Extraction of Primary Sites From Cancer Pathology Reports.深度学习在癌症病理报告中自动提取原发部位的应用
IEEE J Biomed Health Inform. 2018 Jan;22(1):244-251. doi: 10.1109/JBHI.2017.2700722. Epub 2017 May 3.
4
Unsupervised Topic Modeling in a Large Free Text Radiology Report Repository.大型自由文本放射学报告库中的无监督主题建模
J Digit Imaging. 2016 Feb;29(1):59-62. doi: 10.1007/s10278-015-9823-3.

Deep Learning Approaches Substantially Improve Automated Extraction of Information from Free-Text Medical Reports.

作者信息

Liu Tiffany Ting

机构信息

Department of Radiology, Stanford University, Lucas Center for Imaging, 1201 Welch Rd, Stanford, CA 94305.

出版信息

Radiol Artif Intell. 2019 Aug 7;1(5):e190118. doi: 10.1148/ryai.2019190118. eCollection 2019 Sep.

DOI:10.1148/ryai.2019190118
PMID:33939786
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC8017372/
Abstract
摘要