論文の概要: What's in a Summary? Laying the Groundwork for Advances in Hospital-Course Summarization

• arxiv url: http://arxiv.org/abs/2105.00816v1
• Date: Mon, 12 Apr 2021 19:31:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 20:42:15.065588
• Title: What's in a Summary? Laying the Groundwork for Advances in Hospital-Course Summarization
• Title（参考訳）: 要約には何がありますか? 病院の要約の進歩に向けた基礎研究
• Authors: Griffin Adams, Emily Alsentzer, Mert Ketenci, Jason Zucker, No\'emie Elhadad
• Abstract要約: 患者の入院中に書かれた文書を考えると、患者の入院の物語を記した段落を作成する。 109,000の病院化(2Mソースノート)とその対応する要約プロキシの英語、テキストからテキストへのデータセットを構築します。 本稿では,この複雑な文書要約タスクのモデル化における複数の意味を明らかにする。
• 参考スコア（独自算出の注目度）: 2.432409923443071
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Summarization of clinical narratives is a long-standing research problem. Here, we introduce the task of hospital-course summarization. Given the documentation authored throughout a patient's hospitalization, generate a paragraph that tells the story of the patient admission. We construct an English, text-to-text dataset of 109,000 hospitalizations (2M source notes) and their corresponding summary proxy: the clinician-authored "Brief Hospital Course" paragraph written as part of a discharge note. Exploratory analyses reveal that the BHC paragraphs are highly abstractive with some long extracted fragments; are concise yet comprehensive; differ in style and content organization from the source notes; exhibit minimal lexical cohesion; and represent silver-standard references. Our analysis identifies multiple implications for modeling this complex, multi-document summarization task.
• Abstract（参考訳）: 臨床物語の要約は長年の研究課題である。 本稿では,病院コース要約の課題を紹介する。 患者の入院中に書かれた文書を考えると、患者の入院の物語を記した段落を作成する。 我々は,109,000の入院(2mの資料)の英語テキストからテキストへのデータセットとそれに対応する要約プロキシを構築し,臨床医が作成した「英国病院コース」を退院ノートの一部として記述した。 探索的な分析によると、BHCの段落は、長い抽出された断片で非常に抽象的であり、簡潔で包括的であり、ソースノートとは異なるスタイルや内容の組織であり、最小の語彙の凝集を示し、銀標準の参照を表す。 この複雑な文書要約タスクをモデル化するための複数の意味を明らかにする。

関連論文リスト

• Attribute Structuring Improves LLM-Based Evaluation of Clinical Text Summaries [62.32403630651586]
  大規模言語モデル(LLM)は、正確な臨床テキスト要約を生成する可能性を示しているが、根拠付けと評価に関する問題に苦慮している。 本稿では、要約評価プロセスを構成するAttribute Structuring(AS)を用いた一般的な緩和フレームワークについて検討する。 ASは、臨床テキスト要約における人間のアノテーションと自動メトリクスの対応性を一貫して改善する。
  論文  参考訳（メタデータ） (2024-03-01T21:59:03Z)
• Generating medically-accurate summaries of patient-provider dialogue: A multi-stage approach using large language models [6.252236971703546]
  効果的な要約は、対話におけるすべての医学的関連情報を一貫性と精度良く捉えることが要求される。 本稿では, 医療会話の要約問題に, タスクを, より小さな対話に基づくタスクに分解することで対処する。
  論文  参考訳（メタデータ） (2023-05-10T08:48:53Z)
• A Meta-Evaluation of Faithfulness Metrics for Long-Form Hospital-Course Summarization [2.8575516056239576]
  病院入院の長期的臨床要約は、臨床医と患者の両方に役立つ可能性から、現実的な重要性を持っている。 本研究は,患者の短期病院講座のモデル作成要約に対して,人体アノテーションの微粒化に対する忠実度指標をベンチマークした。
  論文  参考訳（メタデータ） (2023-03-07T14:57:06Z)
• NapSS: Paragraph-level Medical Text Simplification via Narrative Prompting and Sentence-matching Summarization [46.772517928718216]
  そこで我々はNapSSと呼ばれる2段階戦略を提案する。 NapSSは、オリジナルの物語の流れが保存されていることを保証しながら、関連コンテンツを特定し、単純化する。 本モデルは,英語医療コーパスのSeq2seqベースラインよりも有意に優れている。
  論文  参考訳（メタデータ） (2023-02-11T02:20:25Z)
• Discharge Summary Hospital Course Summarisation of In Patient Electronic Health Record Text with Clinical Concept Guided Deep Pre-Trained Transformer Models [1.1393603788068778]
  ブリーフ病院コース(英: Brief Hospital Course、略称:BHC)は、病院全体の出会いの簡潔なサマリーであり、退院サマリーに埋め込まれている。 深層学習要約モデルの性能を実証するBHC要約法について述べる。
  論文  参考訳（メタデータ） (2022-11-14T05:39:45Z)
• 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)
• Exploring Optimal Granularity for Extractive Summarization of Unstructured Health Records: Analysis of the Largest Multi-Institutional Archive of Health Records in Japan [25.195233641408233]
  「処分要約」は要約の有望な応用の1つである。 要約が構造されていないソースからどのように生成されるべきかは、まだ不明である。 本研究は,要約における最適粒度を同定することを目的とした。
  論文  参考訳（メタデータ） (2022-09-20T23:26:02Z)
• 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)
• 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)
• Screenplay Summarization Using Latent Narrative Structure [78.45316339164133]
  本稿では,物語の基盤となる構造を一般教師なし・教師付き抽出要約モデルに明示的に組み込むことを提案する。 重要な物語イベント(転回点)の観点で物語構造を定式化し、脚本を要約するために潜伏状態として扱う。 シーンレベルの要約ラベルを付加したテレビ画面のCSIコーパスの実験結果から,潜角点がCSIエピソードの重要な側面と相関していることが判明した。
  論文  参考訳（メタデータ） (2020-04-27T11:54:19Z)
• The Shmoop Corpus: A Dataset of Stories with Loosely Aligned Summaries [72.48439126769627]
  個々の章ごとに詳細なマルチパラグラフの要約と組み合わせた231ストーリーのデータセットであるShmoop Corpusを紹介します。 コーパスから、クローズ形式の質問応答や抽象的要約の簡易な形式を含む共通のNLPタスクのセットを構築する。 このコーパスのユニークな構造は、マシンストーリーの理解をより親しみやすいものにするための重要な基盤となると信じている。
  論文  参考訳（メタデータ） (2019-12-30T21:03:59Z)

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。