Fugu-MT 論文翻訳(概要): Weakly Supervised Medication Regimen Extraction from Medical Conversations

論文の概要: Weakly Supervised Medication Regimen Extraction from Medical Conversations

arxiv url: http://arxiv.org/abs/2010.05317v1
Date: Sun, 11 Oct 2020 18:53:03 GMT
ステータス: 処理完了
システム内更新日: 2022-10-08 13:06:15.103346
Title: Weakly Supervised Medication Regimen Extraction from Medical Conversations
Title（参考訳）: 医学的会話から抽出した弱監督薬
Authors: Dhruvesh Patel, Sandeep Konam, Sai P. Selvaraj
Abstract要約: まず、注釈付き医師と患者との会話のユニークなデータセットを記述し、その後、スパン抽出を行うことができる弱教師付きモデルアーキテクチャを提案する。本稿では,新しい変圧器を用いた注目スコア機能(TAScore)を提案する。提案されたTAScoreとFusedmaxプロジェクションの組み合わせは、最も長い共通サブストリングF1の10ポイント増加を実現している。
参考スコア（独自算出の注目度）: 1.4583375893645079
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automated Medication Regimen (MR) extraction from medical conversations can not only improve recall and help patients follow through with their care plan, but also reduce the documentation burden for doctors. In this paper, we focus on extracting spans for frequency, route and change, corresponding to medications discussed in the conversation. We first describe a unique dataset of annotated doctor-patient conversations and then present a weakly supervised model architecture that can perform span extraction using noisy classification data. The model utilizes an attention bottleneck inside a classification model to perform the extraction. We experiment with several variants of attention scoring and projection functions and propose a novel transformer-based attention scoring function (TAScore). The proposed combination of TAScore and Fusedmax projection achieves a 10 point increase in Longest Common Substring F1 compared to the baseline of additive scoring plus softmax projection.
Abstract（参考訳）: 医療談話から抽出したMR(Automated Medication Regimen)は、リコールを改善し、患者のケア計画に従うのを助けるだけでなく、医師のドキュメンテーション負担を軽減する。本稿では,会話の中で議論された薬品に対応する頻度,経路,変化のスパン抽出に焦点を当てた。まず、注釈付き医師と患者の会話のユニークなデータセットを記述し、その後、ノイズ分類データを用いてスパン抽出を行う弱教師付きモデルアーキテクチャを提案する。このモデルは分類モデル内の注意ボトルネックを利用して抽出を行う。注意スコアと投影関数のいくつかの変種を実験し,新しいトランスベース注意スコア関数(tascore)を提案する。提案するtascoreとfusedmaxプロジェクションの組み合わせは,加算スコアとソフトマックスプロジェクションのベースラインと比較して,最長共通部分文字列f1が10ポイント向上する。

関連論文リスト

A Contrastive Pretrain Model with Prompt Tuning for Multi-center Medication Recommendation [50.43785306804359]
マルチセンター医薬品推奨のためのTEMPT(Prompt Tuning)を用いた新しいconTrastive prEtrain Modelを提案する。そこで我々は,一般的なファインタニングを採用するのではなく,各病院の特定情報をキャプチャするための新しいプロンプトチューニング手法を考案した。提案モデルを検証するため,公立のeICU多施設医療データセットについて広範な実験を行った。
論文参考訳（メタデータ） (2024-12-28T06:12:02Z)
Quality assurance of organs-at-risk delineation in radiotherapy [7.698565355235687]
放射線治療計画において,腫瘍標的と臓器の脱線は重要である。自動セグメンテーションの品質保証は、まだ臨床実践において必要ではない。提案手法は,一級分類フレームワークにおける残差ネットワークとアテンション機構を導入し,様々な種類のOAR輪郭誤差を高精度に検出することができた。
論文参考訳（メタデータ） (2024-05-20T02:32:46Z)
FOAA: Flattened Outer Arithmetic Attention For Multimodal Tumor Classification [0.0]
我々はFlatted Outer Arithmetic Attention (FOAA)と呼ばれる新しい注意機構を提案する。 FOAAは、各モードの平らな埋め込みから得られるキー、クエリ、値から注目スコアを計算する。マルチモーダル腫瘍分類のための2つのデータセット上でFOAAを評価し,最先端の結果を得た。
論文参考訳（メタデータ） (2024-03-10T23:12:40Z)
Making the Most Out of the Limited Context Length: Predictive Power Varies with Clinical Note Type and Note Section [70.37720062263176]
本研究では,高い予測力で区間を解析する枠組みを提案する。 MIMIC-IIIを用いて,(1)看護用音符と退院用音符とでは予測電力分布が異なること,(2)文脈長が大きい場合の音符の組み合わせにより性能が向上することが示唆された。
論文参考訳（メタデータ） (2023-07-13T20:04:05Z)
A Marker-based Neural Network System for Extracting Social Determinants of Health [12.6970199179668]
健康の社会的決定因子(SDoH)は、患者の医療の質と格差を左右する。多くのSDoHアイテムは、電子健康記録の構造化形式でコード化されていない。我々は,臨床ノートから自動的にSDoH情報を抽出する,名前付きエンティティ認識(NER),関係分類(RC),テキスト分類手法を含む多段階パイプラインを探索する。
論文参考訳（メタデータ） (2022-12-24T18:40:23Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
Rapid model transfer for medical image segmentation via iterative human-in-the-loop update: from labelled public to unlabelled clinical datasets for multi-organ segmentation in CT [22.411929051477912]
本稿では,大規模ラベル付きデータセットからCTにおけるマルチ組織セグメント化のための大規模アンラベリングデータセットへのセグメンテーションモデルを効率的に転送するための,新規で汎用的なヒューマン・イン・ザ・ループ方式を提案する。以上の結果から,本手法はDiceで19.7%向上するだけでなく, モデル移行時の手指ラベリングのコストを1CTあたり13.87分から1.51分に短縮し, 有望な電位で臨床的有用性を示した。
論文参考訳（メタデータ） (2022-04-13T08:22:42Z)
Federated Deep AUC Maximization for Heterogeneous Data with a Constant Communication Complexity [77.78624443410216]
異種胸部データ検出のための改良型FDAMアルゴリズムを提案する。本研究は,提案アルゴリズムの通信が機械数に強く依存し,精度レベルにも強く依存していることを示す。 FDAMアルゴリズムのベンチマークデータセットと、異なる組織の医療用胸部X線画像に対する効果を実験により実証した。
論文参考訳（メタデータ） (2021-02-09T04:05:19Z)
Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。次に、テキストを体系的に前処理するためのパイプラインを構築します。我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
論文参考訳（メタデータ） (2020-10-22T19:52:49Z)
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)
Generating SOAP Notes from Doctor-Patient Conversations Using Modular Summarization Techniques [43.13248746968624]
私たちは、深い要約モデルを利用してSOAPノートを生成するための最初の完全なパイプラインを紹介します。本稿では,各要約部に関連する重要な発話を抽出するアルゴリズムであるCluster2Sentを提案する。本研究は,要約コーパスを構築する際に,要約をセクションに構造化し,証拠を注釈する利点について述べる。
論文参考訳（メタデータ） (2020-05-04T19:10:26Z)

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。