Fugu-MT 論文翻訳(概要): Neural language models for text classification in evidence-based medicine

論文の概要: Neural language models for text classification in evidence-based medicine

arxiv url: http://arxiv.org/abs/2012.00584v1
Date: Tue, 1 Dec 2020 15:53:44 GMT
ステータス: 処理完了
システム内更新日: 2021-05-30 19:41:10.804290
Title: Neural language models for text classification in evidence-based medicine
Title（参考訳）: エビデンスに基づく医学におけるテキスト分類のための言語モデル
Authors: Andres Carvallo, Denis Parra, Gabriel Rada, Daniel Perez, Juan Ignacio Vasquez and Camilo Vergara
Abstract要約: エビデンス・ベース・メディカル(EBM)は、毎日発行される大量の研究論文とプレプリントのために、これまでになく挑戦されている。本稿では,学術論文を分類し,エピステミコスを支援するための応用研究プロジェクトの結果を報告する。我々はいくつかの手法を検証し、XLNetニューラルネットワークモデルに基づく最良の手法は、F1スコアの平均で現在のアプローチを93%改善する。
参考スコア（独自算出の注目度）: 3.5770353345663044
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The COVID-19 has brought about a significant challenge to the whole of humanity, but with a special burden upon the medical community. Clinicians must keep updated continuously about symptoms, diagnoses, and effectiveness of emergent treatments under a never-ending flood of scientific literature. In this context, the role of evidence-based medicine (EBM) for curating the most substantial evidence to support public health and clinical practice turns essential but is being challenged as never before due to the high volume of research articles published and pre-prints posted daily. Artificial Intelligence can have a crucial role in this situation. In this article, we report the results of an applied research project to classify scientific articles to support Epistemonikos, one of the most active foundations worldwide conducting EBM. We test several methods, and the best one, based on the XLNet neural language model, improves the current approach by 93\% on average F1-score, saving valuable time from physicians who volunteer to curate COVID-19 research articles manually.
Abstract（参考訳）: 新型コロナウイルス(covid-19)は、人類全体に大きな課題をもたらしたが、医療コミュニティに特別な負担を負った。臨床医は、絶え間なく続く科学文献の洪水下で、症状、診断、創発的治療の有効性について継続的に更新し続けなければならない。この文脈では、公衆衛生および臨床実践を支援するための最も重要な証拠をキュレートするエビデンスベースの医療(EBM)の役割は不可欠であるが、毎日発行される大量の研究論文とプレプリントのために、これまでなかったほどに挑戦されている。人工知能はこの状況において重要な役割を果たす可能性がある。本稿では,ESMを実践する国際的に最も活発な基盤の一つであるEpistemonikosを支援するために,学術論文を分類するための応用研究プロジェクトの結果を報告する。我々はいくつかの方法を試し、XLNetニューラルネットワークモデルに基づいて、現在のアプローチを平均F1スコアで93%改善し、新型コロナウイルス研究記事を手作業でキュレートしようとする医師から貴重な時間を節約する。

関連論文リスト

De-identification of clinical free text using natural language processing: A systematic review of current approaches [48.343430343213896]
自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
論文参考訳（メタデータ） (2023-11-28T13:20:41Z)
Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
本稿では,Re$3$Writer法を提案する。本手法が患者の退院指示生成に有効であることを示す。
論文参考訳（メタデータ） (2022-10-23T16:34:39Z)
Understanding COVID-19 News Coverage using Medical NLP [5.161531917413708]
データセットには36,000以上の記事が含まれており、Spark NLP for Healthcareライブラリの臨床的および生物医学的自然言語処理(NLP)モデルを用いて分析されている。この分析は、重要なエンティティとフレーズ、観察されたバイアス、そしてニュース報道における時間の経過とともに変化をカバーしている。別の分析では、医薬品やワクチン製造者に関する逆薬イベントが抽出され、主要な報道機関によって報告された場合、ワクチンのヘシタシーに影響を及ぼす。
論文参考訳（メタデータ） (2022-03-19T15:07:46Z)
The Prominence of Artificial Intelligence in COVID-19 [0.5437050212139087]
2019年12月、新型コロナウイルス(COVID-19)と呼ばれる新しいウイルスが、これまでに膨大な数の因果関係を引き起こした。本研究は, 早期, 安価な診断方法として, 医師や研究者を支援する方法を探るものである。ほとんどの途上国では、従来の方法でテストを実行するのが難しいが、機械学習やディープラーニングでは重要な方法が採用されている。
論文参考訳（メタデータ） (2021-11-18T06:11:45Z)
Domain-Specific Pretraining for Vertical Search: Case Study on Biomedical Literature [67.4680600632232]
自己教師型学習は、アノテーションのボトルネックを克服するための有望な方向として現れました。本稿では,ドメイン固有の事前学習に基づく垂直探索手法を提案する。我々のシステムはPubMed上で何千万もの記事にスケールでき、Microsoft Biomedical Searchとしてデプロイされている。
論文参考訳（メタデータ） (2021-06-25T01:02:55Z)
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)
COVIDScholar: An automated COVID-19 research aggregation and analysis platform [0.0]
2020年10月現在、81,000以上のCOVID-19関連科学論文が1日250以上の速度で公開されています。これは、研究文献との関わりの伝統的な方法への挑戦を生み出しました。我々は2020年における新型コロナウイルス研究の動向について分析する。
論文参考訳（メタデータ） (2020-12-07T18:17:11Z)
Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
医療コミュニティにおけるこの問題の重要性を示す。本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
論文参考訳（メタデータ） (2020-07-15T09:22:55Z)
Automatic Text Summarization of COVID-19 Medical Research Articles using BERT and GPT-2 [8.223517872575712]
我々は,既存のNLPモデルであるBERTとOpenAI GPT-2の最近の進歩を活用している。本モデルは,原文から抽出したキーワードに基づいて,抽象的かつ包括的情報を提供する。我々の研究は、要約がまだ手に入らない記事の簡潔な要約を提供することで、医療コミュニティに役立てることができる。
論文参考訳（メタデータ） (2020-06-03T00:54:44Z)
Evidence Inference 2.0: More Data, Better Models [22.53884716373888]
Evidence Inferenceデータセットは、この目的に向けた研究を促進するために最近リリースされた。本稿では、エビデンス推論データセットを25%拡張するための追加アノテーションを収集する。新しいベースラインと評価のための更新されたコーパス、ドキュメント、コードはhttp://evidence-inference.ebm-nlp.com/で公開されている。
論文参考訳（メタデータ） (2020-05-08T17:16:35Z)
Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。