論文の概要: Biomedical text summarization using Conditional Generative Adversarial Network(CGAN)

• arxiv url: http://arxiv.org/abs/2110.11870v1
• Date: Fri, 17 Sep 2021 17:13:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 11:18:28.393511
• Title: Biomedical text summarization using Conditional Generative Adversarial Network(CGAN)
• Title（参考訳）: Conditional Generative Adversarial Network(CGAN)を用いたバイオメディカルテキスト要約
• Authors: Seyed Vahid Moravvej, Abdolreza Mirzaei, Mehran Safayani
• Abstract要約: 本稿では,条件付き生成逆数ネットワークに基づく教師付き抽出要約手法を提案する。 要約を改善するバイオメディカル単語埋め込みのためのネットワークを提供する。 医学データセットの実験により、提案手法は競合するモデルよりも平均5%良く動作することが示された。
• 参考スコア（独自算出の注目度）: 6.488575826304023
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Text summarization in medicine can help doctors for reducing the time to access important information from countless documents. The paper offers a supervised extractive summarization method based on conditional generative adversarial networks using convolutional neural networks. Unlike previous models, which often use greedy methods to select sentences, we use a new approach for selecting sentences. Moreover, we provide a network for biomedical word embedding, which improves summarization. An essential contribution of the paper is introducing a new loss function for the discriminator, making the discriminator perform better. The proposed model achieves results comparable to the state-of-the-art approaches, as determined by the ROUGE metric. Experiments on the medical dataset show that the proposed method works on average 5% better than the competing models and is more similar to the reference summaries.
• Abstract（参考訳）: 医学におけるテキスト要約は、医師が無数の文書から重要な情報にアクセスする時間を短縮するのに役立つ。 本稿では,畳み込みニューラルネットワークを用いた条件付き生成逆数ネットワークに基づく教師付き抽出要約手法を提案する。 文の選択にgreedy法を用いる従来のモデルとは異なり、文の選択に新しいアプローチを用いる。 さらに,要約を改善するバイオメディカル単語埋め込みのためのネットワークを提供する。 本論文の重要な貢献は、識別器に新たな損失関数を導入し、識別器の性能を向上することである。 提案手法は,ROUGE法で決定された最先端手法に匹敵する結果が得られる。 医療データセットにおける実験により,提案手法は,比較モデルよりも平均5%良好に動作し,参照要約に類似していることが示された。

関連論文リスト

• Medical Report Generation Is A Multi-label Classification Problem [38.64929236412092]
  本稿では,医療報告生成を多ラベル分類問題として再考する。 機密鍵ノードと統合されたBLIPに基づく新たなレポート生成フレームワークを提案する。 我々の実験は、キーノードの活用が2つのベンチマークデータセットにまたがる既存のアプローチを越え、最先端(SOTA)のパフォーマンスを実現することを実証している。
  論文  参考訳（メタデータ） (2024-08-30T20:43:35Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Ambiguous Medical Image Segmentation using Diffusion Models [60.378180265885945]
  我々は,グループ洞察の分布を学習することで,複数の可算出力を生成する単一拡散モデルに基づくアプローチを提案する。 提案モデルでは,拡散の固有のサンプリングプロセスを利用してセグメンテーションマスクの分布を生成する。 その結果,提案手法は既存の最先端曖昧なセグメンテーションネットワークよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-04-10T17:58:22Z)
• Intervertebral Disc Labeling With Learning Shape Information, A Look Once Approach [12.720976102251148]
  椎間板位置の候補を予測するための新しいU-Net構造を提案する。 本設計では,画像形状情報(画像勾配)を統合し,リッチで汎用的な幾何学的情報を学ぶことを奨励する。 後処理側では、偽陽性率をさらに下げるために、置換不変な 'look once' モデルを提案する。
  論文  参考訳（メタデータ） (2022-04-06T17:23:02Z)
• Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
  本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。 我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。 本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
  論文  参考訳（メタデータ） (2021-12-23T16:11:19Z)
• A New Sentence Extraction Strategy for Unsupervised Extractive Summarization Methods [26.326800624948344]
  本稿では,情報理論の観点から,抽出テキスト要約手法の課題をモデル化する。 特徴分布の改善と要約文の相互情報の低減を目的として,新たな文抽出手法を提案する。
  論文  参考訳（メタデータ） (2021-12-06T18:00:02Z)
• HETFORMER: Heterogeneous Transformer with Sparse Attention for Long-Text Extractive Summarization [57.798070356553936]
  HETFORMERはトランスフォーマーをベースとした事前学習モデルであり、抽出要約のための多粒度スパースアテンションを持つ。 単一文書と複数文書の要約タスクの実験から,HETFORMERがルージュF1の最先端性能を達成することが示された。
  論文  参考訳（メタデータ） (2021-10-12T22:42:31Z)
• Improving Faithfulness in Abstractive Summarization with Contrast Candidate Generation and Selection [54.38512834521367]
  モデル非依存後処理技術としてのコントラスト候補生成と選択について検討する。 代替候補要約を生成して判別補正モデルを学習する。 このモデルを使用して、最終的な出力サマリーとして最適な候補を選択する。
  論文  参考訳（メタデータ） (2021-04-19T05:39:24Z)
• Unsupervised Extractive Summarization using Pointwise Mutual Information [5.544401446569243]
  文間のポイントワイズ相互情報 (PMI) を用いて, 関連性および冗長性の新たな指標を提案する。 本手法は, ニュース, 医療雑誌記事, 個人逸話など, さまざまな領域のデータセットにおける類似性に基づく手法を上回っていることを示した。
  論文  参考訳（メタデータ） (2021-02-11T21:05:50Z)
• Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
  Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。 次に、テキストを体系的に前処理するためのパイプラインを構築します。 我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
  論文  参考訳（メタデータ） (2020-10-22T19:52:49Z)

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。