Lo studio si propone di realizzare la classificazione automatica di referti radiologici in due categorie, in base alla presenza o meno di una specifica patologia. Poichè i referti si presentano come testo non strutturato, è necessario estrarre features rilevanti dagli stessi attraverso un processo di Information Extraction. Tali features sono state ottenute mediante Natural Language Processing con GATE, un open source che permette di analizzare il testo e di inserire sullo stesso annotazioni con valenza semantica. Tali annotazioni sono state poi utilizzate come parametri in quattro algoritmi di machine learning, ottenendo la classificazione richiesta. Un confronto dei risultati ha permesso di valutare quale algoritmo, in questo specifico contesto e con le features considerate, ha ottenuto il miglior grado di accuratezza

Natural language processing e tecniche semantiche per il supporto alla diagnosi: un esperimento

Tono, Raffaella
2010/2011

Abstract

Lo studio si propone di realizzare la classificazione automatica di referti radiologici in due categorie, in base alla presenza o meno di una specifica patologia. Poichè i referti si presentano come testo non strutturato, è necessario estrarre features rilevanti dagli stessi attraverso un processo di Information Extraction. Tali features sono state ottenute mediante Natural Language Processing con GATE, un open source che permette di analizzare il testo e di inserire sullo stesso annotazioni con valenza semantica. Tali annotazioni sono state poi utilizzate come parametri in quattro algoritmi di machine learning, ottenendo la classificazione richiesta. Un confronto dei risultati ha permesso di valutare quale algoritmo, in questo specifico contesto e con le features considerate, ha ottenuto il miglior grado di accuratezza
2010-06-28
102
natural language processing, GATE, machine learning, tecniche semantiche, referti radiografici
File in questo prodotto:
File Dimensione Formato  
Tesi_per_pdf.pdf

accesso aperto

Dimensione 4.79 MB
Formato Adobe PDF
4.79 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/13466