論文の概要: Retrieving and ranking short medical questions with two stages neural matching model

• arxiv url: http://arxiv.org/abs/2012.01254v1
• Date: Mon, 16 Nov 2020 07:00:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 00:14:00.216168
• Title: Retrieving and ranking short medical questions with two stages neural matching model
• Title（参考訳）: 2段階ニューラルマッチングモデルによる短い医療質問の検索とランキング
• Authors: Xiang Li, Xinyu Fu, Zheng Lu, Ruibin Bai, Uwe Aickelin, Peiming Ge, Gong Liu
• Abstract要約: インターネットユーザーの80%が、オンライン上で健康に関する質問をしている。 医学分野における代表的な質問や回答は、医療データマイニングに有用な原資料である。 問合せレベルの医療質問のセマンティックマッチングのための新しい2段階フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.8020157990268206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Internet hospital is a rising business thanks to recent advances in mobile web technology and high demand of health care services. Online medical services become increasingly popular and active. According to US data in 2018, 80 percent of internet users have asked health-related questions online. Numerous data is generated in unprecedented speed and scale. Those representative questions and answers in medical fields are valuable raw data sources for medical data mining. Automated machine interpretation on those sheer amount of data gives an opportunity to assist doctors to answer frequently asked medical-related questions from the perspective of information retrieval and machine learning approaches. In this work, we propose a novel two-stage framework for the semantic matching of query-level medical questions.
• Abstract（参考訳）: インターネット病院はモバイルウェブ技術の進歩と医療サービスの需要の高まりにより、ビジネスが盛んになっている。 オンライン医療サービスが普及し、活発になる。 2018年の米国データによると、インターネットユーザーの80%がオンライン上で健康関連の質問をしている。 多数のデータが前例のないスピードとスケールで生成される。 医学分野における代表的な質問や回答は、医療データマイニングに有用な原資料である。 これらの大量のデータに対する自動機械解釈は、情報検索と機械学習のアプローチの観点から、医師が頻繁に質問された医療関連質問に答える機会を与える。 本研究では,クエリレベルの医療質問のセマンティックマッチングのための新しい2段階フレームワークを提案する。

関連論文リスト

• Yes, this is what I was looking for! Towards Multi-modal Medical Consultation Concern Summary Generation [46.42604861624895]
  マルチモーダル・メディカル・コンシューム・サマリ・ジェネレーションの新しい課題を提案する。 患者のジェスチャーや表情などの非言語的手がかりは、患者の懸念を正確に識別するのに役立つ。 マルチモーダル・メディカル・コンシューム・サマリー・ジェネレーション・コーパスを構築。
  論文  参考訳（メタデータ） (2024-01-10T12:56:47Z)
• Med-Flamingo: a Multimodal Medical Few-shot Learner [58.85676013818811]
  医療領域に適応したマルチモーダル・数ショット学習者であるMed-Flamingoを提案する。 OpenFlamingo-9Bに基づいて、出版物や教科書からの医療画像テキストデータのペア化とインターリーブ化を継続する。 本研究は,医療用VQA(ジェネレーティブ医療用VQA)の最初の人間評価である。
  論文  参考訳（メタデータ） (2023-07-27T20:36:02Z)
• Medical Question Understanding and Answering with Knowledge Grounding and Semantic Self-Supervision [53.692793122749414]
  本稿では,知識基盤とセマンティック・セルフスーパービジョンを備えた医療質問理解・回答システムについて紹介する。 我々のシステムは、まず、教師付き要約損失を用いて、長い医学的、ユーザによる質問を要約するパイプラインである。 システムはまず、信頼された医療知識ベースから要約されたユーザ質問とFAQとをマッチングし、対応する回答文書から一定の数の関連文を検索する。
  論文  参考訳（メタデータ） (2022-09-30T08:20:32Z)
• LingYi: Medical Conversational Question Answering System based on Multi-modal Knowledge Graphs [35.55690461944328]
  本稿では,マルチモーダル知識グラフに基づくCQAシステム,すなわち「LingYi」を提案する。 本システムでは,医用トリアージ,コンサルテーション,画像・テキスト・ドラッグ・レコメンデーション,記録などの医療行為を自動で行う。
  論文  参考訳（メタデータ） (2022-04-20T04:41:26Z)
• Medical Visual Question Answering: A Survey [55.53205317089564]
  VQA(Medicical Visual Question Answering)は、医療用人工知能と一般的なVQA課題の組み合わせである。 医療用VQAシステムは,医療用画像と自然言語による臨床的に関連性のある質問を前提として,妥当かつ説得力のある回答を予測することが期待されている。
  論文  参考訳（メタデータ） (2021-11-19T05:55:15Z)
• Knowledge-Aware Neural Networks for Medical Forum Question Classification [13.22396257705293]
  医療知識を意識したBERTベースモデル(MedBERT)を開発した。 医療フォーラム質問分類(MFQC)タスクのための多ラベルデータセットも提供します。
  論文  参考訳（メタデータ） (2021-09-27T15:57:21Z)
• Auto Response Generation in Online Medical Chat Services [0.0]
  医師が相談要求に効率的に反応できるスマートな自動応答生成機構を開発した。 9ヶ月にわたって収集された医師と患者の匿名、歴史的なオンラインメッセージ9万件を探索する。
  論文  参考訳（メタデータ） (2021-04-26T17:45:10Z)
• Medical Information Retrieval and Interpretation: A Question-Answer based Interaction Model [7.990816079551592]
  インターネットは、様々な医療情報が毎日表現される強力なプラットフォームになっている。 現在の検索エンジンやレコメンデーションシステムは、より正確な結果生成を提供するリアルタイムインタラクションをまだ欠いている。 本稿では、Web上の膨大な医療ビッグデータリポジトリと結びついたインテリジェントでインタラクティブなシステムを提案する。
  論文  参考訳（メタデータ） (2021-01-24T07:01:06Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)
• 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)
• Automated Question Answer medical model based on Deep Learning Technology [0.43748379918040853]
  本研究は、RNNのフレームワークとエンコーダデコーダを用いてエンドツーエンドモデルをトレーニングし、少数の医療・健康問題に対する賢明で有用な回答を生成する。 提案モデルは、WebMD、HealthTap、eHealthForums、iCliniqなど、さまざまなオンラインサービスからのデータを用いて、トレーニングと評価を行った。
  論文  参考訳（メタデータ） (2020-05-21T01:40:01Z)

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。