論文の概要: On the Generation of Medical Dialogues for COVID-19

• arxiv url: http://arxiv.org/abs/2005.05442v2
• Date: Thu, 18 Jun 2020 02:06:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 19:25:14.488001
• Title: On the Generation of Medical Dialogues for COVID-19
• Title（参考訳）: 新型コロナウイルス医療対話の創出について
• Authors: Wenmian Yang, Guangtao Zeng, Bowen Tan, Zeqian Ju, Subrato Chakravorty, Xuehai He, Shu Chen, Xingyi Yang, Qingyang Wu, Zhou Yu, Eric Xing, Pengtao Xie
• Abstract要約: 新型コロナウイルス関連の症状を患ったり、危険因子に晒されたりする人は、医師に相談する必要がある。 医療専門家が不足しているため、多くの人がオンライン相談を受けることができない。 本研究の目的は、新型コロナウイルス関連の相談を提供する医療対話システムの構築である。
• 参考スコア（独自算出の注目度）: 60.63485429268256
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Under the pandemic of COVID-19, people experiencing COVID19-related symptoms or exposed to risk factors have a pressing need to consult doctors. Due to hospital closure, a lot of consulting services have been moved online. Because of the shortage of medical professionals, many people cannot receive online consultations timely. To address this problem, we aim to develop a medical dialogue system that can provide COVID19-related consultations. We collected two dialogue datasets -- CovidDialog -- (in English and Chinese respectively) containing conversations between doctors and patients about COVID-19. On these two datasets, we train several dialogue generation models based on Transformer, GPT, and BERT-GPT. Since the two COVID-19 dialogue datasets are small in size, which bear high risk of overfitting, we leverage transfer learning to mitigate data deficiency. Specifically, we take the pretrained models of Transformer, GPT, and BERT-GPT on dialog datasets and other large-scale texts, then finetune them on our CovidDialog tasks. We perform both automatic and human evaluation of responses generated by these models. The results show that the generated responses are promising in being doctor-like, relevant to the conversation history, and clinically informative. The data and code are available at https://github.com/UCSD-AI4H/COVID-Dialogue.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックでは、covid-19関連の症状や危険因子にさらされている人は医師に相談する必要がある。 病院の閉鎖により、多くのコンサルティングサービスがオンラインに移された。 医療専門家が不足しているため、多くの人がオンライン相談を受けることができない。 この問題に対処するため,我々は,covid-19関連相談を提供する医療対話システムの開発を目指している。 われわれは、covid-19に関する医師と患者間の会話を含む2つの対話データセット(それぞれ英語と中国語で)を収集した。 これら2つのデータセットに基づいて,Transformer, GPT, BERT-GPTに基づく対話生成モデルを訓練する。 2つのCOVID-19ダイアログデータセットはサイズが小さく、オーバーフィッティングのリスクが高いため、データ不足を軽減するために転送学習を活用します。 具体的には、ダイアログデータセットやその他の大規模テキストに対して、Transformer、GPT、BERT-GPTの事前訓練されたモデルを取り、CovidDialogタスクでそれらを微調整する。 これらのモデルにより生成された応答を自動的に評価する。 その結果, 生成した反応は, 医師的, 会話履歴に関連し, 臨床的に有益であることが示唆された。 データとコードはhttps://github.com/UCSD-AI4H/COVID-Dialogue.comで公開されている。

関連論文リスト

• RaDialog: A Large Vision-Language Model for Radiology Report Generation and Conversational Assistance [53.20640629352422]
  会話型AIツールは、所定の医療画像に対して臨床的に正しい放射線学レポートを生成し、議論することができる。 RaDialogは、ラジオロジーレポート生成と対話ダイアログのための、初めて徹底的に評価され、公開された大きな視覚言語モデルである。 本手法は,報告生成における最先端の臨床的正確性を実現し,報告の修正や質問への回答などのインタラクティブなタスクにおいて,印象的な能力を示す。
  論文  参考訳（メタデータ） (2023-11-30T16:28:40Z)
• Does Collaborative Human-LM Dialogue Generation Help Information Extraction from Human Dialogues? [55.28340832822234]
  実際のアプリケーションにおける人間の対話の問題解決は、既存のWizard-of-Ozコレクションよりもはるかに複雑である。 本稿では,リアルな対話を合成できる人間間対話生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-13T20:02:50Z)
• Medical Dialogue Generation via Dual Flow Modeling [9.328694317877169]
  医療対話システム(MDS)は、患者に診断や処方薬などの医療サービスを提供することを目的としている。 これまでの研究は主に、上記医療機関を重要な対話履歴情報として抽出することでこの問題に対処した。 本研究は, 医療機関と医師の対話行動の推移を各ターンで捉えることも重要であると論じる。
  論文  参考訳（メタデータ） (2023-05-29T14:23:34Z)
• CDialog: A Multi-turn Covid-19 Conversation Dataset for Entity-Aware Dialog Generation [18.047064216849204]
  われわれは,CDialog と命名された Covid-19 病に関連する高品質な医療用ダイアログデータセットを公表した。 本稿では,CDialogデータセットに基づく新しい医用ダイアログシステムを提案する。
  論文  参考訳（メタデータ） (2022-11-16T11:07:34Z)
• Medical Dialogue Response Generation with Pivotal Information Recalling [27.351688914399013]
  本稿では,Pivotal Information Recalling (MedPIR) を用いた医療応答生成モデルを提案する。 MedPIRは知識対応対話グラフエンコーダとリコール強化ジェネレータの2つのコンポーネント上に構築されている。 2つの大規模医療対話データセットによる実験結果から,MedPIRはBLEUスコアと医療機関F1測定において,強いベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-06-17T08:11:10Z)
• A Model-Agnostic Data Manipulation Method for Persona-based Dialogue Generation [107.82729587882397]
  現在のペルソナベースの対話データセットのスケールアップには費用がかかる。 このタスクの各データサンプルは、従来の対話データよりも複雑である。 本稿では,ペルソナをベースとした対話生成モデルにおいて,モデルに依存しないデータ操作手法を提案する。
  論文  参考訳（メタデータ） (2022-04-21T03:49:54Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)
• VD-BERT: A Unified Vision and Dialog Transformer with BERT [161.0016161052714]
  VD-BERTは,視覚対話型トランスフォーマーの簡易かつ効果的なフレームワークである。 我々は、視覚的グラウンドトレーニングにより、視覚と対話内容の効果的な融合にBERTを適用した。 我々のモデルは新たな芸術状態をもたらし、シングルモデルとアンサンブル設定の両方で最高位を達成する。
  論文  参考訳（メタデータ） (2020-04-28T04:08:46Z)
• MedDialog: Two Large-scale Medical Dialogue Datasets [27.619211324563498]
  我々はMedDialog-ENとMedDialog-CNという2つの大規模医療対話データセットを構築した。 MedDialog-ENは、患者と医師間の0.3万の会話と0.5万の発話を含む、英国のデータセットである。 MedDialog-CNは、1100万の会話と400万の発話を含む中国のデータセットである。
  論文  参考訳（メタデータ） (2020-04-07T13:07:09Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。