Analyse automatique de négations pour la radiologie et autres textes cliniques en français par modèles de langage
Résumé
Nous présentons une approche d'apprentissage supervisé basée sur un modèle de langage de type BERT pour la reconnaissance automatique et la détermination de la portée de négations dans des comptes rendus médicaux en français. Sur un corpus de comptes rendus de scanners thoraciques annoté par nos soins, notre méthode obtient un score F1 global de 96.9%. Nous appliquons ensuite cette approche à des comptes rendus biomédicaux non radiologiques annotés de façon hétérogène. Dans ces conditions, notre méthode montre un score F1 global de 94.1%, confirmant ainsi son potentiel pour l'usage clinique.
Mots clés
Analyse des négations Modèles de langage Comptes rendus médicaux Reconnaissance d'entités nommées Ca-memBERT Negation Analysis Language Models Medical Reports Named Entity Recognition CamemBERT
Analyse des négations
Modèles de langage
Comptes rendus médicaux
Reconnaissance d'entités nommées
Ca-memBERT Negation Analysis
Language Models
Medical Reports
Named Entity Recognition
CamemBERT
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |
