Fugu-MT 論文翻訳(概要): Clinical Trial Information Extraction with BERT

論文の概要: Clinical Trial Information Extraction with BERT

arxiv url: http://arxiv.org/abs/2110.10027v1
Date: Sat, 11 Sep 2021 17:15:10 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 09:14:25.793670
Title: Clinical Trial Information Extraction with BERT
Title（参考訳）: BERTによる臨床試験情報抽出
Authors: Xiong Liu, Greg L. Hersch, Iya Khalil, Murthy Devarakonda
Abstract要約: 臨床試験テキストから情報抽出を行うためのCT-BERTというフレームワークを提案する。我々は、資格基準を抽出するために、名前付きエンティティ認識(NER)モデルを訓練した。臨床試験NLPにおけるCT-BERTの有用性について検討した。
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: Natural language processing (NLP) of clinical trial documents can be useful in new trial design. Here we identify entity types relevant to clinical trial design and propose a framework called CT-BERT for information extraction from clinical trial text. We trained named entity recognition (NER) models to extract eligibility criteria entities by fine-tuning a set of pre-trained BERT models. We then compared the performance of CT-BERT with recent baseline methods including attention-based BiLSTM and Criteria2Query. The results demonstrate the superiority of CT-BERT in clinical trial NLP.
Abstract（参考訳）: 臨床試験文書の自然言語処理(NLP)は新たなトライアル設計に有用である。本稿では,臨床治験設計に関連するエンティティタイプを特定し,臨床治験テキストから情報抽出を行うためのCT-BERTというフレームワークを提案する。我々は、事前訓練されたBERTモデルの集合を微調整することにより、エンティティ認識(NER)モデルを訓練した。次に,CT-BERTの性能を注目ベースのBiLSTMやCriteria2Queryを含む最近のベースライン手法と比較した。臨床試験NLPにおけるCT-BERTの有用性について検討した。

関連論文リスト

Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
CTBench: A Comprehensive Benchmark for Evaluating Language Model Capabilities in Clinical Trial Design [15.2100541345819]
CTBenchは、臨床研究設計を支援するために言語モデル(LM)を評価するベンチマークとして導入された。このデータセットは、2つのデータセットで構成されている: "CT-Repo" は、臨床試験.govから得られた1,690の臨床試験のベースライン特徴を含み、"CT-Pub"は、関連する出版物から集められたより包括的なベースライン特徴を持つ100の試験のサブセットである。
論文参考訳（メタデータ） (2024-06-25T18:52:48Z)
SNOBERT: A Benchmark for clinical notes entity linking in the SNOMED CT clinical terminology [43.89160296332471]
本稿では,BERT モデルを用いた SNOMED CT のテキストスパンと特定の概念をリンクする手法を提案する。本手法は, 候補選択と候補マッチングの2段階からなる。これらのモデルは, ラベル付き臨床ノートの公開データセットの中で, 最大規模で訓練された。
論文参考訳（メタデータ） (2024-05-25T08:00:44Z)
Clinical Trial Recommendations Using Semantics-Based Inductive Inference and Knowledge Graph Embeddings [0.0]
本稿では,臨床治験の知識グラフに基づいて学習した神経埋め込みに基づく新しい勧告手法を提案する。以上の結果から,本提案手法は実際の臨床試験とテキストの類似性から,70%～83%の関連性スコアを達成できた。
論文参考訳（メタデータ） (2023-09-27T19:54:07Z)
A Transformer-based representation-learning model with unified processing of multimodal input for clinical diagnostics [63.106382317917344]
本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
論文参考訳（メタデータ） (2023-06-01T16:23:47Z)
AutoTrial: Prompting Language Models for Clinical Trial Design [53.630479619856516]
本稿では,言語モデルを用いた臨床検査基準の設計を支援するAutoTrialという手法を提案する。 70K以上の臨床試験で、AutoTrialが高品質な基準テキストを生成することが確認された。
論文参考訳（メタデータ） (2023-05-19T01:04:16Z)
The Leaf Clinical Trials Corpus: a new resource for query generation from clinical trial eligibility criteria [1.7205106391379026]
本報告では,1000以上の臨床治験適性基準を記載した人称コーパスであるLeaf Clinical Trials (LCT) corpusを紹介する。スキーマ、アノテーションプロセス、コーパスの品質、統計の詳細を提供します。
論文参考訳（メタデータ） (2022-07-27T19:22:24Z)
BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文参考訳（メタデータ） (2021-10-05T19:14:46Z)
An Interpretable End-to-end Fine-tuning Approach for Long Clinical Text [72.62848911347466]
EHRにおける非構造化臨床テキストには、意思決定支援、トライアルマッチング、振り返り研究を含むアプリケーションにとって重要な情報が含まれている。最近の研究は、これらのモデルが他のNLPドメインにおける最先端の性能を考慮し、BERTベースのモデルを臨床情報抽出およびテキスト分類に応用している。本稿では,SnipBERTという新しい微調整手法を提案する。SnipBERTは全音符を使用する代わりに,重要なスニペットを識別し,階層的に切り刻まれたBERTベースのモデルに供給する。
論文参考訳（メタデータ） (2020-11-12T17:14:32Z)

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。