論文の概要: A Modern Non-SQL Approach to Radiology-Centric Search Engine Design with Clinical Validation

• arxiv url: http://arxiv.org/abs/2007.02124v1
• Date: Sat, 4 Jul 2020 15:21:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 08:16:09.986661
• Title: A Modern Non-SQL Approach to Radiology-Centric Search Engine Design with Clinical Validation
• Title（参考訳）: 臨床検証による放射像中心検索エンジン設計への最新の非SQLアプローチ
• Authors: Ningcheng Li, Guy Maresh, Maxwell Cretcher, Khashayar Farsad, Ramsey Al-Hakim, John Kaufman, Judy Gichoya
• Abstract要約: 本稿では,Radiologyの文脈において,文書ベース,セキュア,効率的,高精度な検索エンジンを開発するためのデノボプロセスを提案する。 効率的なデータベースアーキテクチャ、検索能力、臨床思考を活用することで、放射線学者は医療データのパワーを活用する最前線にいる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Healthcare data is increasing in size at an unprecedented speed with much attention on big data analysis and Artificial Intelligence application for quality assurance, clinical training, severity triaging, and decision support. Radiology is well-suited for innovation given its intrinsically paired linguistic and visual data. Previous attempts to unlock this information goldmine were encumbered by heterogeneity of human language, proprietary search algorithms, and lack of medicine-specific search performance matrices. We present a de novo process of developing a document-based, secure, efficient, and accurate search engine in the context of Radiology. We assess our implementation of the search engine with comparison to pre-existing manually collected clinical databases used previously for clinical research projects in addition to computational performance benchmarks and survey feedback. By leveraging efficient database architecture, search capability, and clinical thinking, radiologists are at the forefront of harnessing the power of healthcare data.
• Abstract（参考訳）: 医療データのサイズは前例のない速さで増加しており、ビッグデータ分析や、品質保証、臨床訓練、重度のトリアージ、意思決定支援のための人工知能アプリケーションに注目が集まっている。 放射線学は、内在的に言語と視覚のデータを組み合わせているため、イノベーションに適している。 この情報を解こうとする以前の試みは、人間の言語の不均一性、プロプライエタリな検索アルゴリズム、医学固有の検索性能行列の欠如によって蓄積された。 本稿では,Radiologyの文脈において,文書ベース,セキュア,効率的,高精度な検索エンジンを開発するためのde novoプロセスを提案する。 本稿では,従来臨床研究に使用されていた手作業で収集した臨床データベースと,計算性能ベンチマークと調査フィードバックとの比較を行った。 効率的なデータベースアーキテクチャ、検索能力、臨床思考を活用することで、放射線科医は医療データのパワーを活用する最前線にいる。

関連論文リスト

• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
  本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• Computational analysis of the language of pain: a systematic review [0.19999259391104385]
  本研究の目的は、痛みの言語の計算処理に関する文献を体系的にレビューすることである。 データ抽出と合成を行い、その目的と結果に応じて選択された研究を分類した。
  論文  参考訳（メタデータ） (2024-04-24T21:59:40Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)
• A Knowledge Graph-Based Search Engine for Robustly Finding Doctors and Locations in the Healthcare Domain [3.268887739788112]
  知識グラフ(KG)は、半構造化データから洞察を収集する利点を組み合わせる強力な方法として登場した。 医療領域の医師や場所を確実に見つけるためのKGベースの検索エンジンアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-10-08T18:28:17Z)
• Rediscovery of CNN's Versatility for Text-based Encoding of Raw Electronic Health Records [22.203204279166496]
  我々は,大容量データを管理可能なサイズに縮小するだけでなく,多種多様な臨床業務を行う患者の中核情報を適切に保存する多目的エンコーダを探索する。 階層的に構造化された畳み込みニューラルネットワーク(CNN)は、多種多様なタスクにおける最先端モデルよりも優れていることが判明した。
  論文  参考訳（メタデータ） (2023-03-15T00:37:18Z)
• CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
  中国初のバイオメディカル言語理解評価ベンチマークを提示する。 名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。 本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-06-15T12:25:30Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• Medical Imaging and Machine Learning [16.240472115235253]
  2018年に国立衛生研究所は、医療画像における人工知能の未来における重要な焦点領域を特定した。 データ可用性、新しいコンピューティングアーキテクチャと説明可能なAIアルゴリズムの必要性は、いまだに関係している。 本稿では,高次元臨床画像データに特有の課題について考察するとともに,技術的・倫理的考察を紹介する。
  論文  参考訳（メタデータ） (2021-03-02T18:53:39Z)
• 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)
• Image Based Artificial Intelligence in Wound Assessment: A Systematic Review [0.0]
  急性および慢性の創傷の評価は、創傷治療チームが診断を改善し、治療計画を最適化し、作業負荷を緩和し、患者の健康関連品質を達成するのに役立つ。 人工知能は、健康関連科学やテクノロジーに広く応用されているが、AIベースのシステムは、高品質な創傷治療のために、臨床および計算的に開発され続けている。
  論文  参考訳（メタデータ） (2020-09-15T14:52:14Z)
• Automatic Gesture Recognition in Robot-assisted Surgery with Reinforcement Learning and Tree Search [63.07088785532908]
  共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。 我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2020-02-20T13:12:38Z)

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。