論文の概要: Adapting Event Extractors to Medical Data: Bridging the Covariate Shift

• arxiv url: http://arxiv.org/abs/2008.09266v1
• Date: Fri, 21 Aug 2020 02:12:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 21:38:32.004361
• Title: Adapting Event Extractors to Medical Data: Bridging the Covariate Shift
• Title（参考訳）: イベント抽出器の医療データへの適応:共変量シフトの橋渡し
• Authors: Aakanksha Naik, Jill Lehman, Carolyn Rose
• Abstract要約: ラベル付きデータなしでイベント抽出器を新しいドメインに適用する作業に取り組む。 2つの医学領域から英語のテキストを用いて2つの新しいイベント抽出データセットを作成する。
• 参考スコア（独自算出の注目度）: 3.7298568326039026
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We tackle the task of adapting event extractors to new domains without labeled data, by aligning the marginal distributions of source and target domains. As a testbed, we create two new event extraction datasets using English texts from two medical domains: (i) clinical notes, and (ii) doctor-patient conversations. We test the efficacy of three marginal alignment techniques: (i) adversarial domain adaptation (ADA), (ii) domain adaptive fine-tuning (DAFT), and (iii) a novel instance weighting technique based on language model likelihood scores (LIW). LIW and DAFT improve over a no-transfer BERT baseline on both domains, but ADA only improves on clinical notes. Deeper analysis of performance under different types of shifts (e.g., lexical shift, semantic shift) reveals interesting variations among models. Our best-performing models reach F1 scores of 70.0 and 72.9 on notes and conversations respectively, using no labeled data from target domains.
• Abstract（参考訳）: ソース領域とターゲット領域の限界分布を整合させることにより、ラベル付きデータなしでイベント抽出器を新しいドメインに適応させるタスクに取り組む。 テストベッドとして、2つの医学領域から英語のテキストを用いて2つの新しいイベント抽出データセットを作成する。 (i)臨床ノート、及び (ii)医師と患者との会話。 3つの限界アライメント手法の有効性をテストする。 (i)敵領域適応(ADA) (ii)ドメイン適応微調整(daft)、及び (iii)言語モデル確率スコア(LIW)に基づく新しいインスタンス重み付け手法。 LIW と DAFT は両ドメインの no-transfer BERT ベースラインよりも改善するが、ADA は臨床ノートにのみ改善する。 異なる種類のシフト(例: lexical shift, semantic shift)におけるパフォーマンスのより深い分析は、モデル間で興味深い変化を示している。 ベストパフォーマンスモデルは,対象ドメインのラベル付きデータを使用し,それぞれ70.0点,72.9点のスコアに到達した。

関連論文リスト

• FairDomain: Achieving Fairness in Cross-Domain Medical Image Segmentation and Classification [24.985944558474166]
  本稿では,ドメインシフト下での公平性に関する先駆的なシステム研究について述べる。 我々は医学的セグメンテーションと分類作業の両方に最先端領域適応(DA)と一般化(DG)アルゴリズムを用いる。 また,様々なDAアルゴリズムやDGアルゴリズムに適応して,自己注意を用いて人口統計特性を調整し,公平性を向上する,新規なプラグイン・アンド・プレイ・アイデンティティ・フェアアテンション(FIA)モジュールも導入する。
  論文  参考訳（メタデータ） (2024-07-11T18:52:32Z)
• Learning Domain-Invariant Features for Out-of-Context News Detection [19.335065976085982]
  アウト・オブ・コンテクストのニュースは、オンラインメディアプラットフォームでよく見られる誤報である。 本研究では,ドメイン適応型文脈外ニュース検出に焦点をあてる。 ドメイン不変の特徴を学習するために,コントラスト学習と最大平均誤差(MMD)を適用したConDA-TTAを提案する。
  論文  参考訳（メタデータ） (2024-06-11T16:34:02Z)
• Subject-Based Domain Adaptation for Facial Expression Recognition [51.10374151948157]
  ディープラーニングモデルを特定の対象個人に適用することは、難しい表情認識タスクである。 本稿では、FERにおける主観的ドメイン適応のための新しいMSDA手法を提案する。 複数の情報源からの情報を効率的に利用して、ディープFERモデルを単一のターゲット個人に適応させる。
  論文  参考訳（メタデータ） (2023-12-09T18:40:37Z)
• TOP-Training: Target-Oriented Pretraining for Medical Extractive Question Answering [53.92585020805746]
  医学領域における抽出的質問応答に関する研究(医学EQA) この問題には、(i)ドメイン特異性と(ii)抽出に基づく回答スタイルの2つの主な課題がある。 対象指向の事前学習パラダイムであるTOP-Trainingを提案する。
  論文  参考訳（メタデータ） (2023-10-25T20:48:16Z)
• Dual-Reference Source-Free Active Domain Adaptation for Nasopharyngeal Carcinoma Tumor Segmentation across Multiple Hospitals [9.845637899896365]
  鼻咽頭癌(Nasopharyngeal carcinoma, NPC)は頭頸部の悪性腫瘍である。 本稿では,Gross tumor Volume (GTV)セグメンテーションタスクの領域適応を容易にするために,新しい Sourece-Free Active Domain Adaptation (SFADA) フレームワークを提案する。 5つの病院から1057人のNPC患者からなる大規模臨床データセットを収集し,そのアプローチを検証した。
  論文  参考訳（メタデータ） (2023-09-23T15:26:27Z)
• Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via Optimization Trajectory Distillation [73.83178465971552]
  自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。 非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。 本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
  論文  参考訳（メタデータ） (2023-07-27T08:58:05Z)
• LE-UDA: Label-efficient unsupervised domain adaptation for medical image segmentation [24.655779957716558]
  ラベル有効非教師付きドメイン適応(LE-UDA)と呼ばれる新規で汎用的なフレームワークを提案する。 LE-UDAでは、両ドメイン間の知識伝達のための自己認識一貫性と、UDAの機能アライメントを向上するために自己認識学習モジュールを構築している。 実験結果から,提案するLE-UDAは,限られたソースラベルを有効活用し,ドメイン間セグメンテーション性能を向上し,文献における最先端のUDAアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2022-12-05T07:47:35Z)
• Finding the Right Recipe for Low Resource Domain Adaptation in Neural Machine Translation [7.2283509416724465]
  一般的な翻訳モデルは、しばしば専門領域で正確な翻訳を生成するのに苦労する。 ドメイン適応に対するモノリンガルおよび並列データアプローチの詳細な実験を行った。 私たちの研究には、消費者電子、臨床、バイオメディカルの3つの領域が含まれています。
  論文  参考訳（メタデータ） (2022-06-02T16:38:33Z)
• Target and Task specific Source-Free Domain Adaptive Image Segmentation [73.78898054277538]
  ソースフリー領域適応画像分割のための2段階のアプローチを提案する。 我々は,高エントロピー領域を抑えつつ,ターゲット固有の擬似ラベルを生成することに注力する。 第2段階では、タスク固有の表現にネットワークを適用することに重点を置いている。
  論文  参考訳（メタデータ） (2022-03-29T17:50:22Z)
• Curriculum Graph Co-Teaching for Multi-Target Domain Adaptation [78.28390172958643]
  マルチターゲットドメイン適応(MTDA)における複数のドメインシフトを軽減するのに役立つ2つの重要な側面を同定する。 本論文では,二重分類器ヘッドを用いたCGCT(Curriculum Graph Co-Teaching)を提案する。そのうちの1つがグラフ畳み込みネットワーク(GCN)である。 ドメインラベルが利用可能になると、まずより簡単なターゲットドメインに適応し、続いて難しいドメインに適応する逐次適応戦略であるDomain-Aware Curriculum Learning (DCL)を提案する。
  論文  参考訳（メタデータ） (2021-04-01T23:41:41Z)
• Curriculum CycleGAN for Textual Sentiment Domain Adaptation with Multiple Sources [68.31273535702256]
  我々は,C-CycleGAN(C-CycleGAN)という,新しいインスタンスレベルのMDAフレームワークを提案する。 C-CycleGANは、(1)異なるドメインからのテキスト入力を連続的な表現空間にエンコードする事前訓練されたテキストエンコーダ、(2)ソースとターゲットドメイン間のギャップを埋めるカリキュラムインスタンスレベルの適応を伴う中間ドメインジェネレータ、(3)中間ドメインで最終感情分類のために訓練されたタスク分類器の3つのコンポーネントから構成される。 3つのベンチマークデータセットに対して広範な実験を行い、最先端のDAアプローチよりも大幅に向上した。
  論文  参考訳（メタデータ） (2020-11-17T14:50:55Z)

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。