論文の概要: Sinoledge: A Knowledge Engine based on Logical Reasoning and Distributed
Micro Services
- arxiv url: http://arxiv.org/abs/2109.08307v1
- Date: Sun, 29 Aug 2021 08:09:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-26 22:30:53.125840
- Title: Sinoledge: A Knowledge Engine based on Logical Reasoning and Distributed
Micro Services
- Title(参考訳): Sinoledge: 論理推論と分散マイクロサービスに基づく知識エンジン
- Authors: Yining Huang, Shaoze Lin, Yijun Wei, Keke Tang
- Abstract要約: Sinoledgeは、医学分野の医師、医師、研究者のための知識エンジンである。
私たちの提案では、ユーザフレンドリなインターフェース、知識を整理する簡単なメンテナンス方法、理解可能なテスト機能、高可用性で効率的なバックエンドアーキテクチャを提供しています。
- 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: We propose a knowledge engine called Sinoledge mainly for doctors,
physicians, and researchers in medical field to organize thoughts, manage
reasoning process, test and deploy to production environments effortlessly. Our
proposal can be related to rule engine usually used in business or medical
fields. More importantly, our proposal provides a user-friendly interface, an
easy-maintain way of organizing knowledge, an understandable testing
functionality and a highly available and efficient back-end architecture.
- Abstract(参考訳): 医療分野の医師,医師,研究者を対象に,思考の整理,推論プロセスの管理,テスト,運用環境へのデプロイを行うための知識エンジンであるsinoledgeを提案する。
我々の提案は、通常、ビジネスまたは医療分野で使用されるルールエンジンに関連付けることができる。
さらに重要なのは,ユーザフレンドリなインターフェース,知識の整理の容易な方法,理解可能なテスト機能,高可用性と効率的なバックエンドアーキテクチャを提供することです。
関連論文リスト
- AI Hospital: Interactive Evaluation and Collaboration of LLMs as Intern
Doctors for Clinical Diagnosis [72.50974375416239]
リアルタイムのインタラクティブな診断環境を構築するために設計されたフレームワークであるAI Hospitalを紹介する。
様々な大規模言語モデル(LLM)は、対話的診断のためのインターン医師として機能する。
我々は,医療部長の監督の下で,反復的な議論と紛争解決プロセスを含む協調的なメカニズムを導入する。
論文 参考訳(メタデータ) (2024-02-15T06:46:48Z) - GPT-doctor: Customizing Large Language Models for Medical Consultation [5.532457801941222]
本稿では,Large Language Models (LLM) を一般的なビジネスコンテキストにカスタマイズするための新しいフレームワークを提案する。
LLMにおけるドメイン固有理論とスーパービジョンファインチューニング(SFT)を組み合わせる手法を設計する。
提案するフレームワークを医療相談の文脈でインスタンス化し,GPT-doctorモデルを作成する。
論文 参考訳(メタデータ) (2023-12-15T21:42:19Z) - 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) - Prompt Engineering for Healthcare: Methodologies and Applications [51.965733825188416]
医療分野の自然言語処理(NLP)分野における最近の技術進歩を紹介する。
まず,素早い工学開発の概要について概説する。
第2に、質問応答システム、テキスト要約、機械翻訳などの医療NLPアプリケーションへの重要な貢献を強調します。
論文 参考訳(メタデータ) (2023-04-28T08:03:42Z) - Towards Medical Artificial General Intelligence via Knowledge-Enhanced
Multimodal Pretraining [121.89793208683625]
医療人工知能(MAGI)は、1つの基礎モデルで異なる医療課題を解くことができる。
我々は、Micical-knedge-enhanced mulTimOdal pretRaining (motoR)と呼ばれる新しいパラダイムを提案する。
論文 参考訳(メタデータ) (2023-04-26T01:26:19Z) - A Survey on Conversational Search and Applications in Biomedicine [0.25782420501870296]
我々は主に、ConvSearchシステムの人間の対話的特徴に焦点を当てた。
我々は,知識ベース,自然言語処理,対話管理システムにおける様々なConvSearch研究問題をラベル付けした。
この応用は、臨床社会技術を活用したバイオメディカルおよび医療分野に向けられている。
論文 参考訳(メタデータ) (2022-11-28T14:08:53Z) - 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) - A Unified Review of Deep Learning for Automated Medical Coding [10.871568658278663]
本稿では,医療用符号化モデルの構成要素を汎用的に理解するための統一的な枠組みを提案する。
本フレームワークは, テキスト特徴抽出のためのエンコーダモジュール, 隠蔽表現を医療コードに変換するデコーダモジュール, 補助情報の利用の4つの主要コンポーネントに分解する。
論文 参考訳(メタデータ) (2022-01-08T09:37:23Z) - Local Explanations for Clinical Search Engine results [6.31241529629348]
エンジンは、知識グラフ、臨床試験データおよび追加の医療資源を使用して、臨床試験から特徴を生成する。
検索した項目ごとに,各項目をランク付け可能な説明可能性スコアを算出する。
医療専門家が検証した実験から,提案手法は対象者だけでなく,非対象者においても信頼を喚起する可能性が示唆された。
論文 参考訳(メタデータ) (2021-10-19T18:48:28Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳(メタデータ) (2021-06-08T10:38:09Z)
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。