論文の概要: Impact of detecting clinical trial elements in exploration of COVID-19 literature

• arxiv url: http://arxiv.org/abs/2105.12261v1
• Date: Tue, 25 May 2021 23:41:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-28 04:13:58.410976
• Title: Impact of detecting clinical trial elements in exploration of COVID-19 literature
• Title（参考訳）: 新型コロナウイルスの文献調査における治験要素検出の効果
• Authors: Simon \v{S}uster, Karin Verspoor, Timothy Baldwin, Jey Han Lau, Antonio Jimeno Yepes, David Martinez, Yulia Otmakhova
• Abstract要約: 本稿では, 標準検索エンジンによる検索結果と臨床関連概念を用いたフィルタリング結果と, その関連性について比較する。 関係性の概念選択は、元の検索したコレクションを、未判断の文書の割合を減少させる方法でフィルタリングする。
• 参考スコア（独自算出の注目度）: 29.027162080682643
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic has driven ever-greater demand for tools which enable efficient exploration of biomedical literature. Although semi-structured information resulting from concept recognition and detection of the defining elements of clinical trials (e.g. PICO criteria) has been commonly used to support literature search, the contributions of this abstraction remain poorly understood, especially in relation to text-based retrieval. In this study, we compare the results retrieved by a standard search engine with those filtered using clinically-relevant concepts and their relations. With analysis based on the annotations from the TREC-COVID shared task, we obtain quantitative as well as qualitative insights into characteristics of relational and concept-based literature exploration. Most importantly, we find that the relational concept selection filters the original retrieved collection in a way that decreases the proportion of unjudged documents and increases the precision, which means that the user is likely to be exposed to a larger number of relevant documents.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックにより、バイオメディカル文献の効率的な探索を可能にするツールの需要がさらに高まった。 概念認識と臨床試験の定義要素(例)の検出から生じる半構造化情報である。 PICOの基準)は文献検索を支援するために広く用いられてきたが、この抽象化の貢献は、特にテキストベースの検索に関して、よく理解されていない。 本研究では,標準検索エンジンによる検索結果と臨床関連概念を用いたフィルタリング結果との比較を行った。 trec-covid共有タスクのアノテーションに基づく分析により、関係性および概念に基づく文献探索の特徴に関する定量的かつ質的洞察を得る。 最も重要なことは、リレーショナル・コンセプトの選択が、検索されたオリジナルのコレクションをフィルタリングし、不正なドキュメントの割合を減少させ、精度を増加させることである。

関連論文リスト

• Improving Retrieval in Theme-specific Applications using a Corpus Topical Taxonomy [52.426623750562335]
  ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。 ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。 プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
  論文  参考訳（メタデータ） (2024-03-07T02:34:54Z)
• DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
  従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。 本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
  論文  参考訳（メタデータ） (2023-09-04T20:52:33Z)
• Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
  大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。 正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。 本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
  論文  参考訳（メタデータ） (2023-05-30T22:05:11Z)
• Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
  この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。 臨床文献のコーパスを12種類に分類した。 私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
  論文  参考訳（メタデータ） (2023-03-23T17:17:46Z)
• Applying unsupervised keyphrase methods on concepts extracted from discharge sheets [7.102620843620572]
  各内容が記録されている部分を特定し、また、臨床テキストから意味を抽出するための重要な概念を特定する必要がある。 本研究では,臨床自然言語処理技術を用いて,これらの課題に対処した。 一般的な教師なしキーフレーズ抽出手法が検証され,評価されている。
  論文  参考訳（メタデータ） (2023-03-15T20:55:25Z)
• A Marker-based Neural Network System for Extracting Social Determinants of Health [12.6970199179668]
  健康の社会的決定因子(SDoH)は、患者の医療の質と格差を左右する。 多くのSDoHアイテムは、電子健康記録の構造化形式でコード化されていない。 我々は,臨床ノートから自動的にSDoH情報を抽出する,名前付きエンティティ認識(NER),関係分類(RC),テキスト分類手法を含む多段階パイプラインを探索する。
  論文  参考訳（メタデータ） (2022-12-24T18:40:23Z)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• 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)
• COVID-19 therapy target discovery with context-aware literature mining [5.839799877302573]
  本稿では,エンティティ間の関係を近似することで,経験的表現データの文脈化を行うシステムを提案する。 トランスファーラーニングによりより大きな科学的文脈を活用するために,新しい埋め込み生成手法を提案する。
  論文  参考訳（メタデータ） (2020-07-30T18:37:36Z)
• On the Combined Use of Extrinsic Semantic Resources for Medical Information Search [0.0]
  本研究は,頭部医学的概念を冗長な問合せで強調・拡張する枠組みを開発する。 また、意味的に強化された逆インデックス文書も作成する。 提案手法の有効性を実証するため,CLEF 2014データセット上でいくつかの実験を行った。
  論文  参考訳（メタデータ） (2020-05-17T14:18:04Z)
• Knowledge-guided Text Structuring in Clinical Trials [0.38073142980733]
  本稿では,知識ベースを自動生成する知識誘導型テキスト構造化フレームワークを提案する。 実験結果から,本手法は全体の高精度化とリコールが可能であることが示唆された。
  論文  参考訳（メタデータ） (2019-12-28T01:12:15Z)

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。