論文の概要: DiaKG: an Annotated Diabetes Dataset for Medical Knowledge Graph Construction

• arxiv url: http://arxiv.org/abs/2105.15033v1
• Date: Mon, 31 May 2021 15:12:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-01 21:54:07.038578
• Title: DiaKG: an Annotated Diabetes Dataset for Medical Knowledge Graph Construction
• Title（参考訳）: DiaKG:医学知識グラフ構築のための注釈付き糖尿病データセット
• Authors: Dejie Chang, Mosha Chen, Chaozhen Liu, Liping Liu, Dongdong Li, Wei Li, Fei Kong, Bangchang Liu, Xiaobin Luo, Ji Qi, Qiao Jin, Bin Xu
• Abstract要約: 本稿では,Diabetesナレッジグラフのための高品質な中国語データセットであるDiaKGを紹介する。 このデータセットには22,050のエンティティと6,890の関係が含まれている。 このデータセットのリリースは、糖尿病知識グラフの構築を支援し、AIベースのアプリケーションを促進することを願っている。
• 参考スコア（独自算出の注目度）: 13.348103601393397
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge Graph has been proven effective in modeling structured information and conceptual knowledge, especially in the medical domain. However, the lack of high-quality annotated corpora remains a crucial problem for advancing the research and applications on this task. In order to accelerate the research for domain-specific knowledge graphs in the medical domain, we introduce DiaKG, a high-quality Chinese dataset for Diabetes knowledge graph, which contains 22,050 entities and 6,890 relations in total. We implement recent typical methods for Named Entity Recognition and Relation Extraction as a benchmark to evaluate the proposed dataset thoroughly. Empirical results show that the DiaKG is challenging for most existing methods and further analysis is conducted to discuss future research direction for improvements. We hope the release of this dataset can assist the construction of diabetes knowledge graphs and facilitate AI-based applications.
• Abstract（参考訳）: ナレッジグラフは構造化情報や概念知識、特に医学領域のモデリングに有効であることが証明されている。 しかし, 高品質アノテートコーパスの欠如は, この課題に対する研究や応用を進める上で重要な課題である。 医学領域におけるドメイン固有知識グラフの研究を加速するために,22,050個のエンティティと6,890個の関係を持つ,糖尿病知識グラフのための高品質な中国語データセットであるDiaKGを紹介する。 提案するデータセットを徹底的に評価するためのベンチマークとして,名前付きエンティティ認識と関係抽出のための最近の典型的な手法を実装した。 実験の結果,diakgは既存の手法の多くでは困難であり,今後の研究方向性を検討するためにさらなる分析が行われている。 このデータセットのリリースは、糖尿病知識グラフの構築を支援し、AIベースのアプリケーションを促進することを願っている。

関連論文リスト

• The Role of Graph Topology in the Performance of Biomedical Knowledge Graph Completion Models [3.1666540219908272]
  我々は,一般公開されているバイオメディカル知識グラフの特性を総合的に調査する。 実世界のアプリケーションで観測された精度とリンクを確立する。 すべてのモデル予測と新しい分析ツールをリリースします。
  論文  参考訳（メタデータ） (2024-09-06T08:09:15Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [52.31710895034573]
  この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。 HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。 アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
  論文  参考訳（メタデータ） (2023-06-07T21:51:56Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report Generation [92.73584302508907]
  コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。 詳しくは、グラフの基本構造は一般知識から事前構築される。 各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
  論文  参考訳（メタデータ） (2023-03-18T03:53:43Z)
• Knowledge-augmented Graph Machine Learning for Drug Discovery: A Survey [6.288056740658763]
  グラフ機械学習(GML)は、グラフ構造化バイオメディカルデータをモデル化する優れた能力で注目されている。 近年の研究では、より正確で解釈可能な薬物発見を実現するために、外部のバイオメディカル知識をGMLパイプラインに統合することを提案した。
  論文  参考訳（メタデータ） (2023-02-16T12:38:01Z)
• Healthcare Knowledge Graph Construction: State-of-the-art, open issues, and opportunities [5.652978777706895]
  本論文は、包括的分類法とKG構築に関する鳥の視線を初めて提示するものである。 様々な医療状況に関する学術研究から引き出された最先端技術について、徹底的に検討する。 文献におけるいくつかの研究成果と既存の課題が報告され、議論されている。
  論文  参考訳（メタデータ） (2022-07-08T09:19:01Z)
• Modeling electronic health record data using a knowledge-graph-embedded topic model [6.170782354287972]
  エンド・ツー・エンドの知識グラフに基づくマルチモーダル組込みトピックモデルであるKG-ETMを提案する。 KG-ETMは、医療知識グラフから埋め込みを学習することで、HRデータから潜伏病トピックを抽出する。 また,本モデルでは,患者層化と薬剤推奨のための解釈可能かつ正確な患者表現も発見できる。
  論文  参考訳（メタデータ） (2022-06-03T07:58:17Z)
• Scientific Language Models for Biomedical Knowledge Base Completion: An Empirical Study [62.376800537374024]
  我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。 LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-06-17T17:55:33Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。