PulseAugur
实时 21:39:17
English(EN) Uncertainty-Aware Structured Data Extraction from Full CMR Reports via Distilled LLMs

新框架提取CMR报告并附带置信度分数

研究人员开发了CMR-EXTR,一个旨在将自由文本心脏磁共振(CMR)报告转换为结构化数据的新框架。该系统不仅提取信息,还为每个数据字段分配置信度分数,有助于质量控制。该框架利用教师-学生蒸馏管道进行离线推理,并整合了三个不确定性估计原则:分布合理性、采样稳定性和跨字段一致性。实验表明,CMR-EXTR 在变量级别达到了 99.65% 的准确率,成为首个内置置信度估计的 CMR 特定提取系统。 AI

影响 通过自动化从医学报告中提取数据,实现更高效、更可靠的队列组装和临床决策支持。

排序理由 发布了一篇详细介绍新框架及其实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架提取CMR报告并附带置信度分数

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Yuan Xue ·

    Uncertainty-Aware Structured Data Extraction from Full CMR Reports via Distilled LLMs

    Converting free-text cardiac magnetic resonance (CMR) reports into auditable structured data remains a bottleneck for cohort assembly, longitudinal curation, and clinical decision support. We present CMR-EXTR, a lightweight framework that converts free-text CMR reports into struc…