論文の概要: Word-level Text Highlighting of Medical Texts forTelehealth Services

• arxiv url: http://arxiv.org/abs/2105.10400v1
• Date: Fri, 21 May 2021 15:13:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 03:17:51.389856
• Title: Word-level Text Highlighting of Medical Texts forTelehealth Services
• Title（参考訳）: 遠隔医療用医用テキストの単語レベルハイライト
• Authors: Ozan Ozyegen, Devika Kabe and Mucahit Cevik
• Abstract要約: 本研究の目的は,異なるテキストハイライト技術が関連する医療状況をどのように捉えることができるかを示すことである。 3つの異なる単語レベルのテキストハイライト手法を実装し評価する。 実験の結果、ニューラルネットワークアプローチは医療関連用語の強調に成功していることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The medical domain is often subject to information overload. The digitization of healthcare, constant updates to online medical repositories, and increasing availability of biomedical datasets make it challenging to effectively analyze the data. This creates additional work for medical professionals who are heavily dependent on medical data to complete their research and consult their patients. This paper aims to show how different text highlighting techniques can capture relevant medical context. This would reduce the doctors' cognitive load and response time to patients by facilitating them in making faster decisions, thus improving the overall quality of online medical services. Three different word-level text highlighting methodologies are implemented and evaluated. The first method uses TF-IDF scores directly to highlight important parts of the text. The second method is a combination of TF-IDF scores and the application of Local Interpretable Model-Agnostic Explanations to classification models. The third method uses neural networks directly to make predictions on whether or not a word should be highlighted. The results of our experiments show that the neural network approach is successful in highlighting medically-relevant terms and its performance is improved as the size of the input segment increases.
• Abstract（参考訳）: 医療領域は、しばしば情報過負荷にさらされる。 医療のデジタル化、オンラインの医療リポジトリへの定期的な更新、バイオメディカルデータセットの可用性の向上は、データを効果的に分析することが困難である。 これは、研究を完了し、患者に相談するために医療データに大きく依存する医療専門家のための追加の仕事を生み出す。 本稿では,異なるテキストハイライト技術が関連する医療状況をどのように捉えることができるかを示す。 これにより、医師の認知負荷と患者に対する反応時間を短縮し、より迅速な意思決定をし、オンライン医療サービスの全体的な品質を向上させることができる。 3つの異なる単語レベルのテキストハイライト手法を実装し評価する。 最初の方法はtf-idfスコアを使ってテキストの重要な部分をハイライトする。 第2の方法は、TF-IDFスコアと局所解釈可能なモデル非依存記述の分類モデルへの応用の組み合わせである。 第3の方法は、単語をハイライトすべきかどうかの予測にニューラルネットワークを直接使用する。 実験の結果, ニューラルネットワークアプローチは, 医学的用語の強調に成功し, 入力セグメントの大きさが大きくなるにつれてその性能が向上することが示された。

関連論文リスト

• FaMeSumm: Investigating and Improving Faithfulness of Medical Summarization [20.7585913214759]
  現在の要約モデルは、しばしば医療入力テキストに対して不誠実な出力を生成する。 FaMeSummは、医学的知識に基づいて訓練済みの言語モデルを微調整することで、忠実性を改善するためのフレームワークである。
  論文  参考訳（メタデータ） (2023-11-03T23:25:53Z)
• Zero-Shot Medical Information Retrieval via Knowledge Graph Embedding [27.14794371879541]
  本稿では、ゼロショット医療情報検索(MIR)の新しいアプローチであるMedFusionRankを紹介する。 提案手法は、学習済みのBERTスタイルのモデルを用いて、コンパクトだが情報的なキーワードを抽出する。 これらのキーワードは、医療知識グラフ内の概念エンティティにリンクすることで、ドメイン知識に富む。
  論文  参考訳（メタデータ） (2023-10-31T16:26:33Z)
• 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)
• Align, Reason and Learn: Enhancing Medical Vision-and-Language Pre-training with Knowledge [68.90835997085557]
  本稿では,3つの視点から構造化された医療知識を高めるための体系的かつ効果的なアプローチを提案する。 まず、視覚エンコーダと言語エンコーダの表現を知識を通して整列する。 次に,多モード融合モデルに知識を注入し,入力画像とテキストの補足として知識を用いた推論を可能にする。 第3に、知識によって引き起こされるプレテキストタスクを設計することで、画像やテキストの最も重要な情報に重点を置くよう、モデルを指導する。
  論文  参考訳（メタデータ） (2022-09-15T08:00:01Z)
• Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
  本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。 我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。 本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
  論文  参考訳（メタデータ） (2021-12-23T16:11:19Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)
• Benchmarking Automated Clinical Language Simplification: Dataset, Algorithm, and Evaluation [48.87254340298189]
  我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。 我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-04T06:09:02Z)
• 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)
• Seeing The Whole Patient: Using Multi-Label Medical Text Classification Techniques to Enhance Predictions of Medical Codes [2.158285012874102]
  18,50,155ラベルの多ラベル医療用テキスト分類問題について報告する。 不均衡なデータに対して、頻繁に発生するラベルは、埋め込みに組み込まれた追加機能から最も恩恵を受けることを示す。 この研究の高次元埋め込みは公共用途に利用可能である。
  論文  参考訳（メタデータ） (2020-03-29T02:19:30Z)

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。