我希望从组织病理学报告中提取肿瘤大小。大小以毫米为单位，通常在自由文本中提到。我可以使用正则表达式确定以mm为单位的测量值，但是并非所有测量值都是我需要的肿瘤大小。还可以另外提及原位肿瘤及其大小，而我只需要肿瘤的侵袭性成分的大小即可。两者都可以在同一句子中提及。
因此，基本上，我需要一个NLP模型来确定每个给定的测量值，该值是否使用正则表达式位于自由文本中，是否是我要寻找的肿瘤大小。或将其归为更专业的术语，我需要根据报告中的上下文对令牌（例如“ 20毫米”）进行分类。
由于这不是标准的文本分类问题，所以我不确定最好的方法是什么，以及我如何利用BERT等来实现此目的。
我可以想到两种潜在的方法：
NER：在文本中注释侵袭性肿瘤的大小跨度，并训练NER模型以将正确的度量标识为一个实体。我有种感觉，当一次需要考虑一个以上的句子时，这可能会很困难。
Textcat：将相关标记替换为BERT vocab中的占位符（例如“ 20 mm”->“ [unused001]”），并对句子进行分类，还包括该句子的上一个和下一个句子提供更多背景信息。我一次只替换一个毫米的尺寸，以便在有多个尺寸的情况下使模型专注于单个尺寸。
可能还有其他方法吗？有没有人做过类似的事情并且可以分享他们的经验？