临床BERTS系统核心：一种改进的临床环境中自动语音识别性能测量方法

乔尔·肖尔,如约·阿格尼丝·比,Subhashini Venugopalan公司,史蒂文·伊巴拉,罗曼·戈登堡,埃胡德·里夫林

摘要
医疗环境中的自动语音识别（ASR）具有节省时间、降低成本、提高报告准确性和减少医生疲劳的潜力。然而，医疗行业采用这项技术的速度较慢，部分原因是避免医学相关转录错误的重要性。在这项工作中，我们提出了临床BERTScore（CBERTScore），这是一种ASR指标，比其他指标更能惩罚临床相关错误。我们收集了一个关于149个现实医学判决的18个临床医生偏好的基准，称为临床医生成绩单偏好基准（CTP），并将其公开供社区进一步开发临床软件ASR指标。据我们所知，这是第一个此类公共数据集。我们证明，与其他指标（WER、BLUE、METEOR等）相比，我们的指标与临床医生对医疗判决的偏好更为一致，有时差距很大。
选集ID：
2023.临床nlp-1.1
体积：
第五届临床自然语言处理研讨会会议记录
月份：
七月
年份：
2023
地址：
加拿大多伦多
编辑：
特里斯坦·诺曼,阿斯玛·本·阿巴查,史蒂文·贝萨德,柯克·罗伯茨,安娜·拉姆希斯基
地点：
临床NLP
SIG公司：
出版商：
计算语言学协会
注：
页：
1–7
语言：
网址：
https://aclantology.org/2023.clinicalnlp-1.1
内政部：
10.18653/v1/2023.临床nlp-1.1
比比键：
引用（ACL）：
Joel Shor、Ruyue Agnes Bi、Subhashini Venugopalan、Steven Ibara、Roman Goldenberg和Ehud Rivlin。2023临床BERTScore：临床环境中自动语音识别性能的改进测量.英寸第五届临床自然语言处理研讨会会议记录，第1-7页，加拿大多伦多。计算语言学协会。
引用（非正式）：
临床BERTScore：临床环境中自动语音识别性能的改进测量（Shor等人，《临床NLP 2023》）
复制引文：
PDF格式：
https://aclantology.org/2023.clinicalnlp-1.1.pdf
PDF格式 引用 搜索