Fugu-MT 論文翻訳(概要): NLNDE at CANTEMIST: Neural Sequence Labeling and Parsing Approaches for Clinical Concept Extraction

論文の概要: NLNDE at CANTEMIST: Neural Sequence Labeling and Parsing Approaches for Clinical Concept Extraction

arxiv url: http://arxiv.org/abs/2010.12322v1
Date: Fri, 23 Oct 2020 11:59:28 GMT
ステータス: 処理完了
システム内更新日: 2022-10-03 21:41:25.016948
Title: NLNDE at CANTEMIST: Neural Sequence Labeling and Parsing Approaches for Clinical Concept Extraction
Title（参考訳）: NLNDE at CANTEMIST:Neural Sequence Labeling and Parsing Approachs for Clinical Concept extract
Authors: Lukas Lange, Xiang Dai, Heike Adel, Jannik Str\"otgen
Abstract要約: スペインの電子健康記録からICDコードを抽出・正規化・ランク付けできるCANTEMIST共有タスクのシステムについて述べる。最適システムは3つのタスクに対してそれぞれ85.3 F1,76.7 F1,77.0 MAPを達成する。
参考スコア（独自算出の注目度）: 19.33061977303145
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The recognition and normalization of clinical information, such as tumor morphology mentions, is an important, but complex process consisting of multiple subtasks. In this paper, we describe our system for the CANTEMIST shared task, which is able to extract, normalize and rank ICD codes from Spanish electronic health records using neural sequence labeling and parsing approaches with context-aware embeddings. Our best system achieves 85.3 F1, 76.7 F1, and 77.0 MAP for the three tasks, respectively.
Abstract（参考訳）: 腫瘍形態学のような臨床情報の認識と正規化は重要だが、複数のサブタスクからなる複雑なプロセスである。本稿では,CANTEMIST共有タスクのニューラルネットワークラベリングとコンテキスト認識埋め込みを用いた解析手法を用いて,スペインの電子健康記録からICDコードを抽出,正規化,ランク付けできるシステムについて述べる。最適システムは3つのタスクに対してそれぞれ85.3 F1,76.7 F1,77.0 MAPを達成する。

関連論文リスト

LIMIS: Towards Language-based Interactive Medical Image Segmentation [58.553786162527686]
LIMISは、最初の純粋言語に基づく対話型医療画像分割モデルである。我々は、Grounded SAMを医療領域に適応させ、言語に基づくモデルインタラクション戦略を設計する。 LIMISを3つの公開医療データセット上で,パフォーマンスとユーザビリティの観点から評価した。
論文参考訳（メタデータ） (2024-10-22T12:13:47Z)
Auxiliary Knowledge-Induced Learning for Automatic Multi-Label Medical Document Classification [22.323705343864336]
3つのアイデアを取り入れた新しいICDインデクシング手法を提案する。臨床ノートから情報を収集するために,多レベル深部拡張残差畳み込みエンコーダを用いた。我々はICD分類の課題を医療記録の補助的知識で定式化する。
論文参考訳（メタデータ） (2024-05-29T13:44:07Z)
ClinLinker: Medical Entity Linking of Clinical Concept Mentions in Spanish [39.81302995670643]
本研究は、医療エンティティリンクのための2相パイプラインを用いた新しいアプローチであるClinLinkerを提示する。 SapBERTベースのバイエンコーダに基づいており、その後クロスエンコーダで再ランクされ、スペインの医療概念に合わせた対照的な学習戦略に従って訓練されている。
論文参考訳（メタデータ） (2024-04-09T15:04:27Z)
Advancing Italian Biomedical Information Extraction with Transformers-based Models: Methodological Insights and Multicenter Practical Application [0.27027468002793437]
インフォメーション抽出は、自動化されたテキストマイニングパイプラインを使用することで、臨床実践者が限界を克服するのに役立つ。我々は、最初のイタリアの神経心理学的名前付きエンティティ認識データセットであるPsyNITを作成し、それをトランスフォーマーベースのモデルの開発に利用した。 i)一貫性のあるアノテーションプロセスの重要な役割と(ii)古典的なメソッドと“低リソース”なアプローチを組み合わせた微調整戦略です。
論文参考訳（メタデータ） (2023-06-08T16:15:46Z)
Synthesis-based Imaging-Differentiation Representation Learning for Multi-Sequence 3D/4D MRI [16.725225424047256]
画像差分表現学習のためのシーケンス・ツー・シーケンス生成フレームワーク(Seq2Seq)を提案する。本研究では、1つのモデル内で任意の3D/4Dシーケンスを生成し、任意のターゲットシーケンスを生成するだけでなく、各シーケンスの重要性をランク付けする。我々は,2万名の模擬被験者のおもちゃデータセット,1,251名の脳MRIデータセット,2,101名の乳房MRIデータセットを含む3つのデータセットを用いて広範な実験を行った。
論文参考訳（メタデータ） (2023-02-01T15:37:35Z)
User-Driven Research of Medical Note Generation Software [49.85146209418244]
本稿では,医療用ノート生成システム開発における3ラウンドのユーザスタディについて述べる。参加する臨床医の印象と,システムがどのようにそれらに価値あるものに適合すべきかの視点について論じる。遠隔医療における3週間のシステムテストについて述べる。
論文参考訳（メタデータ） (2022-05-05T10:18:06Z)
Description-based Label Attention Classifier for Explainable ICD-9 Classification [10.407041139832955]
臨床ノートなどのノイズのあるテキストを扱う際のモデル説明性を改善するために,記述に基づくラベルアテンション分類器を提案する。提案手法をMIMIC-III-50データセット上で異なるトランスフォーマーベースのエンコーダを用いて評価する。
論文参考訳（メタデータ） (2021-09-24T15:31:38Z)
Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文参考訳（メタデータ） (2021-08-02T10:42:52Z)
A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文参考訳（メタデータ） (2021-02-26T17:49:58Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
UmlsBERT: Clinical Domain Knowledge Augmentation of Contextual Embeddings Using the Unified Medical Language System Metathesaurus [73.86656026386038]
事前学習プロセス中にドメイン知識を統合するコンテキスト埋め込みモデルであるUmlsBERTを紹介する。これらの2つの戦略を適用することで、UmlsBERTは、臨床領域の知識を単語埋め込みにエンコードし、既存のドメイン固有モデルより優れている。
論文参考訳（メタデータ） (2020-10-20T15:56:31Z)

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。