9 天前

用于临床段落识别的新公共语料库：MedSecId

{Cornelia Caragea, Barbara Di Eugenio, Adam Webb, Sean S. Huang, Kunal Patel, Paul Landes}

摘要

文档中各部分内容的划分与标注过程被称为章节识别（section identification）。这一过程有助于读者在查找信息以及理解特定主题的上下文时更加高效。本研究的目标是实现临床医学领域文档的章节分割。本工作的主要贡献是提出了MedSecId，这是一个公开可用的数据集，包含来自MIMIC-III数据库的2,002份完整标注的医学记录。此外，我们还提供了若干基线方法、源代码、一个预训练模型，以及基于主成分分析（principal component analysis）对不同章节间医学概念关联性的数据分析结果。