論文の概要: Automated Question Answer medical model based on Deep Learning
Technology
- arxiv url: http://arxiv.org/abs/2005.10416v1
- Date: Thu, 21 May 2020 01:40:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 22:36:55.299839
- Title: Automated Question Answer medical model based on Deep Learning
Technology
- Title（参考訳）: 深層学習技術に基づく質問回答医療モデルの自動作成
- Authors: Abdelrahman Abdallah, Mahmoud Kasem, Mohamed Hamada, and Shaymaa Sdeek
- Abstract要約: 本研究は、RNNのフレームワークとエンコーダデコーダを用いてエンドツーエンドモデルをトレーニングし、少数の医療・健康問題に対する賢明で有用な回答を生成する。
提案モデルは、WebMD、HealthTap、eHealthForums、iCliniqなど、さまざまなオンラインサービスからのデータを用いて、トレーニングと評価を行った。
- 参考スコア（独自算出の注目度）: 0.43748379918040853
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence can now provide more solutions for different
problems, especially in the medical field. One of those problems the lack of
answers to any given medical/health-related question. The Internet is full of
forums that allow people to ask some specific questions and get great answers
for them. Nevertheless, browsing these questions in order to locate one similar
to your own, also finding a satisfactory answer is a difficult and
time-consuming task. This research will introduce a solution to this problem by
automating the process of generating qualified answers to these questions and
creating a kind of digital doctor. Furthermore, this research will train an
end-to-end model using the framework of RNN and the encoder-decoder to generate
sensible and useful answers to a small set of medical/health issues. The
proposed model was trained and evaluated using data from various online
services, such as WebMD, HealthTap, eHealthForums, and iCliniq.
- Abstract（参考訳）: 人工知能は、特に医療分野において、さまざまな問題に対してより多くのソリューションを提供することができる。
これらの問題の1つは、特定の医療・健康関連の質問に対する回答の欠如である。
インターネットにはフォーラムがあり、特定の質問をしたり、素晴らしい回答を得たりすることができる。
それでも、同じような質問を見つけるためにこれらの質問をブラウズすることは、満足のいく回答を見つけることも困難で時間を要する作業です。
本研究は,これらの質問に対する資格ある回答を自動生成し,一種のデジタルドクターを作成することにより,この問題に対する解決策を提案する。
さらに、RNNのフレームワークとエンコーダデコーダを用いてエンドツーエンドモデルをトレーニングし、少数の医療・健康問題に対する賢明かつ有用な回答を生成する。
提案モデルは, webmd, healthtap, ehealthforums, icliniqなどのオンラインサービスから収集したデータを用いてトレーニングおよび評価を行った。
関連論文リスト
- Medical Question Understanding and Answering with Knowledge Grounding
and Semantic Self-Supervision [53.692793122749414]
本稿では,知識基盤とセマンティック・セルフスーパービジョンを備えた医療質問理解・回答システムについて紹介する。
我々のシステムは、まず、教師付き要約損失を用いて、長い医学的、ユーザによる質問を要約するパイプラインである。
システムはまず、信頼された医療知識ベースから要約されたユーザ質問とFAQとをマッチングし、対応する回答文書から一定の数の関連文を検索する。
論文 参考訳（メタデータ） (2022-09-30T08:20:32Z) - Planning and Scheduling in Digital Health with Answer Set Programming [0.0]
医療の問題は、解決するためには、いくつかの制約と異なるタイプのリソースを考慮する必要があるため、複雑である。
我々は、すでにテスト済みのソリューションを拡張したり、新しい問題に対するソリューションをモデル化することで、このような問題の解決策を提案する予定です。
論文 参考訳（メタデータ） (2022-08-05T10:51:02Z) - Learning to Ask Like a Physician [24.15961995052862]
2,000以上の質問からなる新たな質問データセットDiSCQについて紹介する。
質問は、100以上のMIMIC-III放電サマリーの医療専門家によって生成される。
我々は、このデータセットを分析し、医療専門家が求めている情報のタイプを特徴付ける。
論文 参考訳（メタデータ） (2022-06-06T15:50:54Z) - Medical Visual Question Answering: A Survey [55.53205317089564]
VQA(Medicical Visual Question Answering)は、医療用人工知能と一般的なVQA課題の組み合わせである。
医療用VQAシステムは,医療用画像と自然言語による臨床的に関連性のある質問を前提として,妥当かつ説得力のある回答を予測することが期待されている。
論文 参考訳（メタデータ） (2021-11-19T05:55:15Z) - Medicines Question Answering System, MeQA [0.0]
MeQAは、医療に関する質問に答えることのできるシステムである。
MeQAはスペイン医薬品衛生庁によって設立された。
論文 参考訳（メタデータ） (2021-11-04T11:20:54Z) - MixQG: Neural Question Generation with Mixed Answer Types [54.23205265351248]
このギャップを埋めるために、ニューラル質問生成器MixQGを提案する。
yes/no, multiple-choice, extractive, abstractive answerなど,9つの質問応答データセットと多様な回答タイプを組み合わせる。
私たちのモデルは、目に見えない領域と見えない領域の両方で、既存の作業より優れています。
論文 参考訳（メタデータ） (2021-10-15T16:03:40Z) - Retrieving and ranking short medical questions with two stages neural
matching model [3.8020157990268206]
インターネットユーザーの80%が、オンライン上で健康に関する質問をしている。
医学分野における代表的な質問や回答は、医療データマイニングに有用な原資料である。
問合せレベルの医療質問のセマンティックマッチングのための新しい2段階フレームワークを提案する。
論文 参考訳（メタデータ） (2020-11-16T07:00:35Z) - Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via
Alternate Meta-learning [56.771557756836906]
本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。
本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2020-10-29T18:28:16Z) - Where's the Question? A Multi-channel Deep Convolutional Neural Network
for Question Identification in Textual Data [83.89578557287658]
本稿では,実際の質問を分離する目的で,新しい多チャンネル深層畳み込みニューラルネットワークアーキテクチャであるQuest-CNNを提案する。
提案するニューラルネットワークと他のディープニューラルネットワークの総合的な性能比較分析を行った。
提案したQuest-CNNは、透析ケア設定におけるデータエントリレビュー対話のデータセットと一般的なドメインデータセットの両方において、最高のF1スコアを達成した。
論文 参考訳（メタデータ） (2020-10-15T15:11:22Z) - Interpretable Multi-Step Reasoning with Knowledge Extraction on Complex
Healthcare Question Answering [89.76059961309453]
HeadQAデータセットには、公衆医療専門試験で認可された複数の選択質問が含まれている。
これらの質問は、現在のQAシステムにとって最も難しいものです。
知識抽出フレームワーク(MurKe)を用いた多段階推論を提案する。
市販の事前訓練モデルを完全に活用しようと努力しています。
論文 参考訳（メタデータ） (2020-08-06T02:47:46Z) - Effective Transfer Learning for Identifying Similar Questions: Matching
User Questions to COVID-19 FAQs [5.512295869673147]
医療質問応答対にニューラルネットワークを事前学習する2つの微調整アプローチが,医療質問類似性を決定するのに有用な中間課題であることを示す。
また、トレーニングされたモデルを使用して、ユーザの質問と新型コロナウイルス関連のFAQをマッチングする、現在稼働中のシステムについても説明する。
論文 参考訳（メタデータ） (2020-08-04T18:20:04Z)
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。