@进行中{shor-etal-2023-临床,title=“临床{BERTS}核心:临床环境中自动语音识别性能的改进测量”,author=“Shor、Joel和Bi、Ruyue Agnes和Venugopalan、Subhashini和Ibara、Steven和戈登堡、罗马人和埃胡德·里夫林“,editor=“Naumann、Tristan和Ben Abacha、Asma和Bethard、Steven和罗伯茨、柯克和Anna Rumshisky“,booktitle=“第五届临床自然语言处理研讨会论文集”,月=七月,年=“2023”,address=“加拿大多伦多”,publisher=“计算语言学协会”,url=“https://aclantology.org/2023.clinicalnlp-1.1”,doi=“10.18653/v1/2023.临床nlp-1.1”,pages=“1--7”,abstract=“自动语音识别(ASR)在医疗环境中,有可能节省时间、降低成本、提高报告准确性,并减少医生的工作倦怠。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。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“shor-etal-2023-临床”><标题信息>临床BERTScore:临床环境中自动语音识别性能的改进测量</titleInfo><name type=“personal”><namePart type=“given”>Joel</namePart>Shor公司<角色>作者</角色></name><name type=“personal”>如月<namePart type=“given”>艾格尼丝<namePart type=“family”>Bi</namePart><角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><name type=“personal”>Subhashini维努戈帕兰<角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><name type=“personal”>史蒂文伊巴拉<角色>作者</角色></name><name type=“personal”>罗马语戈登堡<角色>作者</角色></name><name type=“personal”>埃胡德里夫林<角色>作者</角色></name><originInfo>发布日期:2023-07发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第五届临床自然语言处理研讨会论文集</titleInfo><name type=“personal”>特里斯坦Naumann(诺曼)<角色>编辑器</角色></name><name type=“personal”>Asma(阿斯玛)本·阿巴查<角色>编辑器</角色></name><name type=“personal”>史蒂文贝瑟德<角色>编辑器</角色></name><name type=“personal”>柯克罗伯茨<角色>编辑器</角色></name><name type=“personal”>安娜<namePart type=“family”>Rumshisky</namePart><角色>编辑器</角色></name><originInfo>计算语言学协会<位置>加拿大多伦多</place></originInfo><type-authority=“marcgt”>会议出版物</type></relatedItem>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个现实医学句子的18个临床医生偏好的基准,称为临床医生转录偏好基准(CTP),并将其公开供社区进一步开发具有临床意识的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</摘要>shor-etal-2023-临床10.18653/v1/2023.临床nlp-1.1<位置><网址>https://aclcollectory.org/2023.clinicalnlp-1.1</url></位置><部分>2023-07年<扩展单元=“page”><开始>1<end>7</范围></部分></mods></modsCollection>
%0会议记录%T Clinical BERTScore:临床环境中自动语音识别性能的改进测量%乔尔·肖尔%阿碧、如月·阿格尼斯%A Venugopalan,苏巴西尼%史蒂文·艾巴拉%A Goldenberg,罗马人%埃胡德·里夫林%特里斯坦·Y·诺曼%Y Ben Abacha,阿斯玛%Y Bethard,Steven%柯克·Y·罗伯茨%Y Rumshisky,安娜%第五届临床自然语言处理研讨会论文集%D 2023年%7月8日%计算语言学协会%C加拿大多伦多%F shor-etal-2023-临床%X自动语音识别(ASR)在医疗环境中具有节省时间、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。%R 10.18653/v1/2023。临床lp-1.1%U型https://aclantology.org/2023.clinicalnlp-1.1%U型https://doi.org/10.18653/v1/2023.clinicalnlp-1.1%第1-7页
降价(非正式)
[临床BERTScore:临床环境中自动语音识别性能的改进测量](https://aclantology.org/2023.clinicalnlp-1.1)(Shor等人,《临床NLP 2023》)
国际计算语言学协会
- 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。