論文の概要: An Empirical Study of UMLS Concept Extraction from Clinical Notes using
Boolean Combination Ensembles
- arxiv url: http://arxiv.org/abs/2108.02255v1
- Date: Wed, 4 Aug 2021 19:28:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-06 14:44:43.370374
- Title: An Empirical Study of UMLS Concept Extraction from Clinical Notes using
Boolean Combination Ensembles
- Title(参考訳): ブール合成アンサンブルを用いた臨床ノートからのUMLS概念抽出に関する実証的研究
- Authors: Greg M. Silverman, Raymond L. Finzel, Michael V. Heinz, Jake
Vasilakes, Jacob C. Solinsky, Reed McEwan, Benjamin C. Knoll, Christopher J.
Tignanelli, Hongfang Liu, Hua Xu, Xiaoqian Jiang, Genevieve B. Melton,
Serguei VS Pakhomov
- Abstract要約: 2010 i2b2 VA チャレンジセット (31,161 アノテーション),Multi-source Integrated Platform for Answering Clinical Questions (MiPACQ) コーパス (17,457 アノテーション,UMLS のユニークな識別子を含む)。
UMLSの概念マッチングでは,MIPACQコーパスのブールアンサンブルが個々のシステムよりも高い性能を示す傾向を示した。
近似グリッド探索を用いることで、精度の高いリコールを最適化し、最適なアンサンブルセットを選択するためのトレードオフセットを提供することができる。
- 参考スコア(独自算出の注目度): 14.730336509680093
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Our objective in this study is to investigate the behavior of Boolean
operators on combining annotation output from multiple Natural Language
Processing (NLP) systems across multiple corpora and to assess how filtering by
aggregation of Unified Medical Language System (UMLS) Metathesaurus concepts
affects system performance for Named Entity Recognition (NER) of UMLS concepts.
We used three corpora annotated for UMLS concepts: 2010 i2b2 VA challenge set
(31,161 annotations), Multi-source Integrated Platform for Answering Clinical
Questions (MiPACQ) corpus (17,457 annotations including UMLS concept unique
identifiers), and Fairview Health Services corpus (44,530 annotations). Our
results showed that for UMLS concept matching, Boolean ensembling of the MiPACQ
corpus trended towards higher performance over individual systems. Use of an
approximate grid-search can help optimize the precision-recall tradeoff and can
provide a set of heuristics for choosing an optimal set of ensembles.
- Abstract(参考訳): 本研究の目的は,複数のコーパスにまたがる複数の自然言語処理(nlp)システムからのアノテーション出力を結合するブール演算子の挙動を調査し,umls(unified medical language system)メタセサウルス概念の集約によるフィルタリングがumls概念の固有エンティティ認識(ner)に対するシステム性能に与える影響を評価することである。
2010 i2b2 VA チャレンジセット (31,161 アノテーション)、Multi-source Integrated Platform for Answering Clinical Questions (MiPACQ) コーパス (17,457 アノテーション)、Fairview Health Services corpus (44,530 アノテーション)。
UMLSの概念マッチングでは,MIPACQコーパスのブールアンサンブルが個々のシステムよりも高い性能を示す傾向を示した。
近似グリッド探索の使用は、精度-リコールトレードオフの最適化に役立ち、最適なアンサンブルを選択するためのヒューリスティックのセットを提供することができる。
関連論文リスト
- In-Context Learning for Few-Shot Nested Named Entity Recognition [53.55310639969833]
数発のネストネストNERの設定に有効で革新的なICLフレームワークを導入する。
我々は、新しい実演選択機構であるEnDe retrieverを考案し、ICLプロンプトを改善する。
EnDe検索では,意味的類似性,境界類似性,ラベル類似性という3種類の表現学習を行うために,コントラスト学習を用いる。
論文 参考訳(メタデータ) (2024-02-02T06:57:53Z) - What Makes for Good Visual Instructions? Synthesizing Complex Visual
Reasoning Instructions for Visual Instruction Tuning [115.19451843294154]
マルチモーダル大言語モデル(MLLM)のゼロショット一般化能力向上のためのビジュアルインストラクションチューニング
本稿では,高品質な視覚的推論命令を自動生成するための体系的アプローチを提案する。
我々のデータセットは、MME-CognitionにおけるMiniGPT-4とBLIP-2の性能をそれぞれ32.6%、28.8%向上させるなど、比較したMLLMの性能を一貫して向上させる。
論文 参考訳(メタデータ) (2023-11-02T15:36:12Z) - Investigating Multilingual Coreference Resolution by Universal
Annotations [11.035051211351213]
本研究では,言語レベルでの真理データを調べることによって,コア推論について検討する。
我々は、SotAシステムが解決できない最も困難なケースのエラー解析を行う。
普遍的な形態素的アノテーションから特徴を抽出し,これらの特徴をベースラインシステムに統合し,その潜在的な利点を評価する。
論文 参考訳(メタデータ) (2023-10-26T18:50:04Z) - Multi-Grained Multimodal Interaction Network for Entity Linking [65.30260033700338]
マルチモーダルエンティティリンクタスクは、マルチモーダル知識グラフへの曖昧な言及を解決することを目的としている。
MELタスクを解決するための新しいMulti-Grained Multimodal InteraCtion Network $textbf(MIMIC)$ frameworkを提案する。
論文 参考訳(メタデータ) (2023-07-19T02:11:19Z) - Waffling around for Performance: Visual Classification with Random Words
and Broad Concepts [121.60918966567657]
WaffleCLIPはゼロショット視覚分類のためのフレームワークで、LLM生成した記述子をランダムな文字と単語記述子に置き換える。
LLM生成記述子で導入された追加意味論の影響と欠点について、広範囲にわたる実験的研究を行う。
論文 参考訳(メタデータ) (2023-06-12T17:59:48Z) - Concept-Centric Transformers: Enhancing Model Interpretability through
Object-Centric Concept Learning within a Shared Global Workspace [1.6574413179773757]
概念中心変換器は、解釈可能性のための共有グローバルワークスペースの単純かつ効果的な構成である。
本モデルでは,すべての問題に対して,すべてのベースラインの分類精度が向上することを示す。
論文 参考訳(メタデータ) (2023-05-25T06:37:39Z) - UnifieR: A Unified Retriever for Large-Scale Retrieval [84.61239936314597]
大規模な検索は、クエリを与えられた巨大なコレクションから関連ドキュメントをリコールすることである。
事前学習型言語モデル(PLM)に基づく最近の検索手法は,高密度ベクターあるいはレキシコンに基づくパラダイムに大別することができる。
本論文では,高密度ベクトルとレキシコンに基づく検索を2つの表現能力を持つ1つのモデルで統合する学習フレームワークUnifieRを提案する。
論文 参考訳(メタデータ) (2022-05-23T11:01:59Z) - Multi-domain Clinical Natural Language Processing with MedCAT: the
Medical Concept Annotation Toolkit [5.49956798378633]
オープンソースMedical Concept EHR Toolkit(MedMedCAT)について紹介する。
UMLS/SNOMED-CTを含む任意の概念語彙を用いて概念を抽出するための、新しい自己教師型機械学習アルゴリズムを提供する。
オープンデータセットからUMLS概念を抽出する際の性能改善を示す。
SNOMED-CTの実際の検証は、ロンドンの3大病院で、17万件の臨床記録から8.8Bワード以上の自己監督訓練が実施されている。
論文 参考訳(メタデータ) (2020-10-02T19:01:02Z) - Spatial-Temporal Multi-Cue Network for Continuous Sign Language
Recognition [141.24314054768922]
本稿では、視覚に基づくシーケンス学習問題を解決するために、時空間マルチキュー(STMC)ネットワークを提案する。
有効性を検証するため、3つの大規模CSLRベンチマークで実験を行った。
論文 参考訳(メタデータ) (2020-02-08T15:38:44Z)
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。