Multilingual RECIST classification of radiology reports using supervised learning

• Κύριοι συγγραφείς: Luc Mottin (Συγγραφέας), Jean-Philippe Goldman (Συγγραφέας), Christoph Jäggli (Συγγραφέας), Rita Achermann (Συγγραφέας), Julien Gobeill (Συγγραφέας), Julien Knafou (Συγγραφέας), Julien Ehrsam (Συγγραφέας), Alexandre Wicky (Συγγραφέας), Camille L. Gérard (Συγγραφέας), Tanja Schwenk (Συγγραφέας), Mélinda Charrier (Συγγραφέας), Petros Tsantoulis (Συγγραφέας), Christian Lovis (Συγγραφέας), Alexander Leichtle (Συγγραφέας), Michael K. Kiessling (Συγγραφέας), Olivier Michielin (Συγγραφέας), Sylvain Pradervand (Συγγραφέας), Vasiliki Foufi (Συγγραφέας), Patrick Ruch (Συγγραφέας)
• Μορφή: Βιβλίο
• Έκδοση: Frontiers Media S.A., 2023-06-01T00:00:00Z.
• Θέματα: article
• Διαθέσιμο Online: Connect to this object online.

ObjectivesThe objective of this study is the exploration of Artificial Intelligence and Natural Language Processing techniques to support the automatic assignment of the four Response Evaluation Criteria in Solid Tumors (RECIST) scales based on radiology reports. We also aim at evaluating how langua...