論文の概要: Let Your Heart Speak in its Mother Tongue: Multilingual Captioning of
Cardiac Signals
- arxiv url: http://arxiv.org/abs/2103.11011v1
- Date: Fri, 19 Mar 2021 20:30:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-26 05:59:32.880072
- Title: Let Your Heart Speak in its Mother Tongue: Multilingual Captioning of
Cardiac Signals
- Title（参考訳）: 心臓が母国語で話す:多言語による心臓信号のキャプション
- Authors: Dani Kiyasseh, Tingting Zhu, David Clifton
- Abstract要約: 本稿では,心臓信号をキャプションできる深層ニューラルネットワークを提案する。
入力として心臓信号を受け取り、出力として臨床報告を生成する。
これをさらに拡張して多言語レポートを生成します。
- 参考スコア（独自算出の注目度）: 5.455744338342195
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cardiac signals, such as the electrocardiogram, convey a significant amount
of information about the health status of a patient which is typically
summarized by a clinician in the form of a clinical report, a cumbersome
process that is prone to errors. To streamline this routine process, we propose
a deep neural network capable of captioning cardiac signals; it receives a
cardiac signal as input and generates a clinical report as output. We extend
this further to generate multilingual reports. To that end, we create and make
publicly available a multilingual clinical report dataset. In the absence of
sufficient labelled data, deep neural networks can benefit from a warm-start,
or pre-training, procedure in which parameters are first learned in an
arbitrary task. We propose such a task in the form of discriminative
multilingual pre-training where tokens from clinical reports are randomly
replaced with those from other languages and the network is tasked with
predicting the language of all tokens. We show that our method performs on par
with state-of-the-art pre-training methods such as MLM, ELECTRA, and MARGE,
while simultaneously generating diverse and plausible clinical reports. We also
demonstrate that multilingual models can outperform their monolingual
counterparts, informally terming this beneficial phenomenon as the blessing of
multilinguality.
- Abstract（参考訳）: 心電図などの心臓信号は、臨床報告の形で一般的に臨床医によって要約される患者の健康状態に関するかなりの量の情報を伝達する。
そこで本研究では,心臓信号を入力として受信し,臨床報告を出力として生成するディープニューラルネットワークを提案する。
さらにこれを拡張して多言語レポートを生成します。
そこで我々は,多言語の臨床報告データセットを作成し,公開する。
十分なラベル付きデータがない場合、ディープニューラルネットワークは、パラメータが任意のタスクで最初に学習されるウォームスタートや事前トレーニングの恩恵を受ける。
本稿では,臨床報告からのトークンを他言語のトークンとランダムに置換し,全てのトークンの言語予測を行う,識別型多言語事前学習の形式でそのようなタスクを提案する。
本手法は, MLM, ELECTRA, MARGEなどの最先端の事前訓練法と同等に動作し, 同時に多種多様な臨床報告が得られた。
また、多言語モデルはモノリンガルモデルよりも優れており、非公式にこの有益な現象を多言語モデルの祝福と表現している。
関連論文リスト
- KBioXLM: A Knowledge-anchored Biomedical Multilingual Pretrained
Language Model [37.69464822182714]
ほとんどの生物医学的な事前訓練された言語モデルはモノリンガルであり、言語間要求の増大に対処できない。
本稿では,多言語事前学習型XLM-Rを知識アンコール手法を用いて生物医学領域に変換するKBioXLMというモデルを提案する。
論文 参考訳（メタデータ） (2023-11-20T07:02:35Z) - Language Generation from Brain Recordings [68.97414452707103]
本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。
提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。
本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
論文 参考訳（メタデータ） (2023-11-16T13:37:21Z) - Multilingual Clinical NER: Translation or Cross-lingual Transfer? [4.4924444466378555]
翻訳に基づく手法は、言語間移動と同じような性能が得られることを示す。
我々はMedNERFを、フランスの医薬品処方薬から抽出した医療用NERテストセットとしてリリースし、英語のデータセットと同じガイドラインで注釈を付した。
論文 参考訳（メタデータ） (2023-06-07T12:31:07Z) - Cross-lingual Argument Mining in the Medical Domain [6.0158981171030685]
注釈付きデータがない医療用テキストでArgument Mining(AM)を実行する方法を示す。
我々の研究は、アノテーション(データ転送)を英語から特定のターゲット言語に自動翻訳・投影することは、注釈付きデータを生成する効果的な方法であることを示している。
また、スペイン語で自動生成されたデータを用いて、元の英語単言語設定の結果を改善する方法も示す。
論文 参考訳（メタデータ） (2023-01-25T11:21:12Z) - Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。
ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。
以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
論文 参考訳（メタデータ） (2022-08-03T08:33:21Z) - Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of
Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。
脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文 参考訳（メタデータ） (2022-04-10T21:46:52Z) - Zero-Shot Cross-lingual Aphasia Detection using Automatic Speech
Recognition [3.2631198264090746]
失語症(英: Aphasia)は、一般的には脳損傷や脳卒中によって引き起こされる言語障害であり、世界中の何百万人もの人々に影響を及ぼす。
本稿では,言語間音声表現を共用する事前学習型自動音声認識(ASR)モデルを用いたエンドツーエンドパイプラインを提案する。
論文 参考訳（メタデータ） (2022-04-01T14:05:02Z) - Cross-lingual Transfer for Speech Processing using Acoustic Language
Similarity [81.51206991542242]
言語間の移動は、このデジタル分割を橋渡しする魅力的な方法を提供する。
現在の言語間アルゴリズムは、テキストベースのタスクや音声関連タスクを低リソース言語で実現している。
本稿では,数百の言語をまたがる音響的言語間移動対を効率的に同定する言語類似性手法を提案する。
論文 参考訳（メタデータ） (2021-11-02T01:55:17Z) - Reinforced Iterative Knowledge Distillation for Cross-Lingual Named
Entity Recognition [54.92161571089808]
言語間NERは、知識をリッチリソース言語から低リソース言語に転送する。
既存の言語間NERメソッドは、ターゲット言語でリッチなラベル付けされていないデータをうまく利用しない。
半教師付き学習と強化学習のアイデアに基づく新しいアプローチを開発する。
論文 参考訳（メタデータ） (2021-06-01T05:46:22Z) - Cross-lingual Machine Reading Comprehension with Language Branch
Knowledge Distillation [105.41167108465085]
言語間機械読解(CLMRC)は、ローソース言語に大規模なデータセットがないため、依然として難しい問題である。
本稿では,Language Branch Machine Reading (LBMRC) という新しい拡張手法を提案する。
LBMRCは、個々の言語に精通したMultiple Machine Read comprehension (MRC)モデルを訓練する。
複数の言語分岐モデルから全ての対象言語に対する単一モデルへのアマルガメート知識の多言語蒸留アプローチを考案する。
論文 参考訳（メタデータ） (2020-10-27T13:12:17Z) - Labeling of Multilingual Breast MRI Reports [1.8374319565577157]
LAMBRと呼ばれるカスタム言語表現を用いた多言語乳房MRIレポート分類器の開発のためのフレームワークを提案する。
提案手法は,臨床現場で直面する実践的課題を克服し,医療報告からラベルを抽出する際の性能向上を実証する。
論文 参考訳（メタデータ） (2020-07-06T19:22:44Z)
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。