抽取式摘要
Parent: ai_keywords
抽取式摘要（Extractive Summarization）
核心定义
抽取式摘要是自然语言处理中文本摘要的核心范式之一，其目标是从原始文档中直接识别、排序并选取若干最具代表性的句子或短语，按原文顺序拼接形成简洁连贯的摘要。与生成式摘要不同，抽取式不创造新文本，仅依赖原文已有内容，因此具有高保真性和可解释性，特别适用于信息完整性与可溯源要求严格的领域（如临床医学）。
关键技术点
-
句子重要性评分
基于统计（TF-IDF、TextRank）、图模型或神经网络（BERT架构）为每个句子计算权重，衡量其与文档主题的相关性。最新方法常用段落级别的嵌入匹配（如S-BERT）替代传统稀疏特征。 -
冗余消除与多样性控制
采用最大边际相关性（MMR）算法，在重要性分数基础上引入信息重叠惩罚，避免选取语义高度相似的句子。更精细的方法在序列选择时加入贪心/组稀疏约束。 -
序列标注式抽取
将摘要任务形式化为二分类序列标注——每个句子被标记为“保留”或“丢弃”。使用双向LSTM-CRF或Transformer（如BERTSUM）捕捉句子间的顺序依赖和全局一致性。 -
长度约束与流畅度优化
在损失函数中集成目标摘要长度（硬性或软性约束），并通过指针网络或复述模块修正抽取结果中的指代不清与连接生硬问题，提升可读性。
医学/神经科学应用场景：脑卒中影像报告摘要
以首都医科大学神经病学临床研究为背景，在急性缺血性脑卒中诊疗中，影像科生成的CT/MRI报告往往包含大量灌注参数（CBF、CBV、MTT、Tmax）及病灶描述。手动提炼核心结论耗时且易遗漏关键信息。
应用抽取式摘要模型（如基于ClinicalBERT+MMR），可从原始报告中自动抽取以下关键句：
- 病变责任血管与定位（如“左侧大脑中动脉M1段闭塞”）
- 核心梗死区与半暗带体积（如“DWI 核心体积52ml，mismatch比例1.8”）
- 静脉溶栓/机械取栓决策相关的禁忌证描述（如“存在微出血灶”）
模型在首都医科大学宣武医院提供的2000份标注报告上训练，抽取结果能准确保留92%以上临床关键变量，并自动剔除影像模板中的冗余固定语句，将阅读时间从平均3分钟压缩至30秒，有效辅助急诊分诊决策。该技术还可延伸至癫痫发作期脑电图报告的片段抽取，以及帕金森运动评分量表的结构化摘要生成。
