Fugu-MT 論文翻訳(概要): Simpler handling of clinical concepts in R with clinconcept

論文の概要: Simpler handling of clinical concepts in R with clinconcept

arxiv url: http://arxiv.org/abs/2002.11431v1
Date: Wed, 26 Feb 2020 12:20:55 GMT
ステータス: 処理完了
システム内更新日: 2023-06-01 21:14:17.515497
Title: Simpler handling of clinical concepts in R with clinconcept
Title（参考訳）: クリコンセプションRの臨床概念の簡便な取り扱い
Authors: Robert C. Free
Abstract要約: clinconceptパッケージは、研究者が臨床概念辞書を含むデータベースを構築し、管理し、尋問するための簡単な方法を提供するために作られた。この記事では、パッケージの背景にある根拠、インストール方法、使用方法、他のデータソースをサポートするために拡張できる方法について説明します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Routinely collected data in electronic healthcare records are often underpinned by clinical concept dictionaries. Increasingly data sets from these sources are being made available and used for research purposes, but without additional tooling it can be difficult to work effectively with these dictionaries due to their design, size and complex nature. In an effort to improve this situation the clinconcept package was created to provide a straightforward way for researchers to build, manage and interrogate databases containing commmonly used clinical concept dictionaries. This article describes the rationale behind the package, how to install it and use it and how it can be extended to support other data sources.
Abstract（参考訳）: 電子医療記録に定期的に収集されたデータは、しばしば臨床概念辞書によって裏付けられる。これらのソースからのデータセットは、研究目的で利用されやすくなっているが、追加のツールがなければ、設計、サイズ、複雑な性質のために、これらの辞書を効果的に扱うことは困難である。この状況を改善するために、clinconceptパッケージが作成され、研究者が共用的な臨床概念辞書を含むデータベースを構築し、管理し、尋問する簡単な方法を提供する。この記事では、パッケージの背景にある根拠、インストール方法、使用方法、他のデータソースをサポートするために拡張する方法について説明する。

関連論文リスト

Boosting Biomedical Concept Extraction by Rule-Based Data Augmentation [26.72525935008653]
文書レベルのバイオメディカル概念抽出は、ある文書で言及されているバイオメディカル概念を識別するタスクである。近年,この課題に対する事前学習型言語モデルの導入が進んでいる。既存のルールベースの概念マッピングシステムであるMetaMapLiteを用いて,PubMed と PMC から擬似アノテーション付きデータを生成する。
論文参考訳（メタデータ） (2024-07-03T00:00:21Z)
Incorporating Dictionaries into a Neural Network Architecture to Extract COVID-19 Medical Concepts From Social Media [0.2302001830524133]
自然言語処理のためのニューラルネットワークアーキテクチャに辞書情報を組み込むことの潜在的な利点について検討する。特に、このアーキテクチャを用いて、オンライン医療フォーラムからCOVID-19に関連するいくつかの概念を抽出する。この結果から,小ドメイン辞書を深層学習モデルに組み込むことで,概念抽出作業の改善が期待できることがわかった。
論文参考訳（メタデータ） (2023-09-05T12:47:44Z)
Interpretable Medical Diagnostics with Structured Data Extraction by Large Language Models [59.89454513692417]
タブラルデータはしばしばテキストに隠され、特に医学的診断報告に使用される。本稿では,TEMED-LLM と呼ばれるテキスト医療報告から構造化表状データを抽出する手法を提案する。本手法は,医学診断における最先端のテキスト分類モデルよりも優れていることを示す。
論文参考訳（メタデータ） (2023-06-08T09:12:28Z)
Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。臨床文献のコーパスを12種類に分類した。私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
論文参考訳（メタデータ） (2023-03-23T17:17:46Z)
Applying unsupervised keyphrase methods on concepts extracted from discharge sheets [7.102620843620572]
各内容が記録されている部分を特定し、また、臨床テキストから意味を抽出するための重要な概念を特定する必要がある。本研究では,臨床自然言語処理技術を用いて,これらの課題に対処した。一般的な教師なしキーフレーズ抽出手法が検証され,評価されている。
論文参考訳（メタデータ） (2023-03-15T20:55:25Z)
Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
論文参考訳（メタデータ） (2022-01-01T05:15:42Z)
CREATe: Clinical Report Extraction and Annotation Technology [53.731999072534876]
臨床症例報告は、特定の臨床症例の特異な側面を記述した記述である。これらのレポートを注釈付け、インデックス付け、あるいはキュレートするエンドツーエンドシステムを開発する試みはない。本稿では,新たな計算資源プラットフォームを提案し,臨床事例レポートの内容の抽出,索引付け,照会を行う。
論文参考訳（メタデータ） (2021-02-28T16:50:14Z)
A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文参考訳（メタデータ） (2021-02-26T17:49:58Z)
Benchmarking Automated Clinical Language Simplification: Dataset, Algorithm, and Evaluation [48.87254340298189]
我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
論文参考訳（メタデータ） (2020-12-04T06:09:02Z)
Labeling of Multilingual Breast MRI Reports [1.8374319565577157]
LAMBRと呼ばれるカスタム言語表現を用いた多言語乳房MRIレポート分類器の開発のためのフレームワークを提案する。提案手法は,臨床現場で直面する実践的課題を克服し,医療報告からラベルを抽出する際の性能向上を実証する。
論文参考訳（メタデータ） (2020-07-06T19:22:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。