Fugu-MT 論文翻訳(概要): Towards User Friendly Medication Mapping Using Entity-Boosted Two-Tower Neural Network

論文の概要: Towards User Friendly Medication Mapping Using Entity-Boosted Two-Tower Neural Network

arxiv url: http://arxiv.org/abs/2007.00492v2
Date: Fri, 9 Oct 2020 18:44:40 GMT
ステータス: 処理完了
システム内更新日: 2022-11-19 18:57:25.104210
Title: Towards User Friendly Medication Mapping Using Entity-Boosted Two-Tower Neural Network
Title（参考訳）: Entity-Boosted Two-Tower Neural Network を用いたユーザフレンドリーなメディケイトマッピング
Authors: Shaoqing Yuan, Parminder Bhatia, Busra Celikkaya, Haiyang Liu, Kyunghwan Choi
Abstract要約: 薬名推論は、ユーザフレンドリーな医薬品名をフリーフォームテキストから正規化された医薬品リストのコンセプトにマッピングするタスクである。これは、医療専門家による医療用語の使用の違いと、一般市民からのユーザー会話の相違が原因である。我々は,医学的推論モデル (MIM) を,最先端の結果を達成するために提案する。
参考スコア（独自算出の注目度）: 12.982185912745564
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent advancements in medical entity linking have been applied in the area of scientific literature and social media data. However, with the adoption of telemedicine and conversational agents such as Alexa in healthcare settings, medical name inference has become an important task. Medication name inference is the task of mapping user friendly medication names from a free-form text to a concept in a normalized medication list. This is challenging due to the differences in the use of medical terminology from health care professionals and user conversations coming from the lay public. We begin with mapping descriptive medication phrases (DMP) to standard medication names (SMN). Given the prescriptions of each patient, we want to provide them with the flexibility of referring to the medication in their preferred ways. We approach this as a ranking problem which maps SMN to DMP by ordering the list of medications in the patient's prescription list obtained from pharmacies. Furthermore, we leveraged the output of intermediate layers and performed medication clustering. We present the Medication Inference Model (MIM) achieving state-of-the-art results. By incorporating medical entities based attention, we have obtained further improvement for ranking models.
Abstract（参考訳）: 近年の医療機関連携の進歩は、科学文献やソーシャルメディアデータの分野でも応用されている。しかし、医療設定における遠隔医療やAlexaなどの会話エージェントの採用により、医療名推論は重要な課題となっている。医薬品名推論は、フリーフォームテキストから正規化された医薬品リストのコンセプトにユーザーフレンドリーな薬名をマッピングするタスクである。これは、医療従事者からの医療用語の使用と、一般からの利用者との会話の違いによるものである。まず、記述薬句(DMP)を標準薬名(SMN)にマッピングすることから始める。各患者の処方薬を考えると、私たちは薬を好みの方法で言及する柔軟性を患者に提供したいと考えています。薬剤局から得た処方薬リストの薬品リストを発注することで,smnをdmpにマップするランキング問題としてアプローチする。さらに,中間層の出力を利用して薬剤クラスタリングを行った。医学的推論モデル (MIM) を用いて, 最先端の結果を得る。医療機関の注意に基づく注意を組み込むことにより,ランキングモデルをさらに改善した。

関連論文リスト

MediTOD: An English Dialogue Dataset for Medical History Taking with Comprehensive Annotations [23.437292621092823]
本研究は,医学史研究のための英語における医師と患者との対話のデータセットであるMedictoDを紹介する。医療領域に合わせたアンケートに基づくラベリング手法を考案する。そして、医療専門家は高品質の包括的なアノテーションでデータセットを作成する。
論文参考訳（メタデータ） (2024-10-18T06:38:22Z)
Language Models are Surprisingly Fragile to Drug Names in Biomedical Benchmarks [10.423634924466416]
我々はRABBITSという新しいデータセットを作成し、ブランド名とジェネリックドラッグ名を取り替えた後、医療ベンチマークのパフォーマンス差を評価する。 MedQA と MedMCQA のオープンソース LLM と API ベースの LLM を比較し,一貫した性能低下が 1-10% に及んでいることを明らかにした。
論文参考訳（メタデータ） (2024-06-17T20:09:24Z)
ChiMed-GPT: A Chinese Medical Large Language Model with Full Training Regime and Better Alignment to Human Preferences [51.66185471742271]
我々は中国医学領域向けに明示的に設計されたベンチマークLSMであるChiMed-GPTを提案する。 ChiMed-GPTは、事前訓練、SFT、RLHFを含む総合的な訓練体制を実施。我々は,ChiMed-GPTを患者識別に関する態度尺度の実行を促すことによって,潜在的なバイアスを分析した。
論文参考訳（メタデータ） (2023-11-10T12:25:32Z)
Med-Flamingo: a Multimodal Medical Few-shot Learner [58.85676013818811]
医療領域に適応したマルチモーダル・数ショット学習者であるMed-Flamingoを提案する。 OpenFlamingo-9Bに基づいて、出版物や教科書からの医療画像テキストデータのペア化とインターリーブ化を継続する。本研究は,医療用VQA(ジェネレーティブ医療用VQA)の最初の人間評価である。
論文参考訳（メタデータ） (2023-07-27T20:36:02Z)
RedHOT: A Corpus of Annotated Medical Questions, Experiences, and Claims on Social Media [1.5293427903448022]
我々はReddit Health Online Talk (RedHOT)を紹介します。これらの主張の中で、患者の人口、インターベンション、アウトカム(PIO)を記述したスニペットをマークします。そこで本研究では,高密度検索モデルの学習に使用するタスクの監視(ノイズ)を自動的に導出する手法を提案する。
論文参考訳（メタデータ） (2022-10-12T15:50:32Z)
Conditional Generation Net for Medication Recommendation [73.09366442098339]
医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
論文参考訳（メタデータ） (2022-02-14T10:16:41Z)
RecoMed: A Knowledge-Aware Recommender System for Hypertension Medications [1.2633386045916444]
本稿では,高血圧の処方薬プロセスにおいて,医師を支援するためにRecoMedという薬剤推薦システムを開発することを目的とする。推奨医薬のリストがシステムの出力として提供され、医師は患者の臨床症状に基づいて1つ以上の薬を選択できる。
論文参考訳（メタデータ） (2022-01-09T08:01:41Z)
Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文参考訳（メタデータ） (2021-12-23T16:11:19Z)
Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。医療対話生成のためのエンドツーエンドの変分推論手法を提案する。行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文参考訳（メタデータ） (2021-05-13T04:14:35Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
Improving Broad-Coverage Medical Entity Linking with Semantic Type Prediction and Large-Scale Datasets [12.131050765159145]
MedTypeは完全にモジュール化されたシステムで、エンティティ参照の予測されたセマンティックタイプに基づいて、無関係な候補概念を抽出する。我々は、データセットをリンクする大規模医療機関であるWikiMedとPubMedDSを紹介し、これらのデータセット上でMedTypeを事前学習することで、エンティティリンク性能がさらに向上することを示す。
論文参考訳（メタデータ） (2020-05-01T15:55:50Z)

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。