論文の概要: MEDCOD: A Medically-Accurate, Emotive, Diverse, and Controllable Dialog System

• arxiv url: http://arxiv.org/abs/2111.09381v1
• Date: Wed, 17 Nov 2021 20:31:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-20 01:21:17.289725
• Title: MEDCOD: A Medically-Accurate, Emotive, Diverse, and Controllable Dialog System
• Title（参考訳）: MEDCOD: 医学的精度, 動機, 多様性, 制御可能な対話システム
• Authors: Rhys Compton, Ilya Valmianski, Li Deng, Costa Huang, Namit Katariya, Xavier Amatriain, Anitha Kannan
• Abstract要約: 本稿では,医学的精度,動機,ディバース,制御可能な対話システムであるMEDCODについて述べる。 医学領域の知識を現代のディープラーニング技術と統合し、柔軟で人間らしい自然言語表現を生成する。
• 参考スコア（独自算出の注目度）: 6.902975908146047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present MEDCOD, a Medically-Accurate, Emotive, Diverse, and Controllable Dialog system with a unique approach to the natural language generator module. MEDCOD has been developed and evaluated specifically for the history taking task. It integrates the advantage of a traditional modular approach to incorporate (medical) domain knowledge with modern deep learning techniques to generate flexible, human-like natural language expressions. Two key aspects of MEDCOD's natural language output are described in detail. First, the generated sentences are emotive and empathetic, similar to how a doctor would communicate to the patient. Second, the generated sentence structures and phrasings are varied and diverse while maintaining medical consistency with the desired medical concept (provided by the dialogue manager module of MEDCOD). Experimental results demonstrate the effectiveness of our approach in creating a human-like medical dialogue system. Relevant code is available at https://github.com/curai/curai-research/tree/main/MEDCOD
• Abstract（参考訳）: 本稿では,医学的精度,動機,ディバース,制御可能なダイアログシステムであるMEDCODについて,自然言語生成モジュールに対するユニークなアプローチを提案する。 MEDCODは歴史取扱タスクに特化して開発・評価されている。 従来のモジュラーアプローチの利点を活かし、(医学的な)ドメイン知識を現代のディープラーニング技術に組み込んで、柔軟で人間のような自然言語表現を生成する。 MEDCODの自然言語出力の2つの重要な側面を詳述する。 第一に、生成された文章は感情的かつ共感的であり、医師が患者とコミュニケーションをとる方法に似ている。 第2に、所望の医療概念(MEDCODの対話管理モジュールによって提供される)との整合性を維持しつつ、生成された文構造とフレーズは多様で多様である。 実験の結果,人間型医療対話システム構築における提案手法の有効性が実証された。 関連コードはhttps://github.com/curai/curai-research/tree/main/MEDCODで公開されている。

関連論文リスト

• Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
  本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。 特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。 また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
  論文  参考訳（メタデータ） (2024-04-27T05:03:42Z)
• RaDialog: A Large Vision-Language Model for Radiology Report Generation and Conversational Assistance [53.20640629352422]
  会話型AIツールは、所定の医療画像に対して臨床的に正しい放射線学レポートを生成し、議論することができる。 RaDialogは、ラジオロジーレポート生成と対話ダイアログのための、初めて徹底的に評価され、公開された大きな視覚言語モデルである。 本手法は,報告生成における最先端の臨床的正確性を実現し,報告の修正や質問への回答などのインタラクティブなタスクにおいて,印象的な能力を示す。
  論文  参考訳（メタデータ） (2023-11-30T16:28:40Z)
• Language Generation from Brain Recordings [68.97414452707103]
  本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。 提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。 本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
  論文  参考訳（メタデータ） (2023-11-16T13:37:21Z)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• Medical Dialogue Generation via Dual Flow Modeling [9.328694317877169]
  医療対話システム(MDS)は、患者に診断や処方薬などの医療サービスを提供することを目的としている。 これまでの研究は主に、上記医療機関を重要な対話履歴情報として抽出することでこの問題に対処した。 本研究は, 医療機関と医師の対話行動の推移を各ターンで捉えることも重要であると論じる。
  論文  参考訳（メタデータ） (2023-05-29T14:23:34Z)
• CDialog: A Multi-turn Covid-19 Conversation Dataset for Entity-Aware Dialog Generation [18.047064216849204]
  われわれは,CDialog と命名された Covid-19 病に関連する高品質な医療用ダイアログデータセットを公表した。 本稿では,CDialogデータセットに基づく新しい医用ダイアログシステムを提案する。
  論文  参考訳（メタデータ） (2022-11-16T11:07:34Z)
• Terminology-aware Medical Dialogue Generation [23.54754465832362]
  医療対話生成は,医師と患者との対話の振り返りの履歴に応じて反応を生成することを目的としている。 オープンドメインの対話生成とは異なり、これは医療領域固有の背景知識を必要とする。 そこで本研究では,ドメイン固有語学を中心とした特徴を考慮し,医療対話の創出を改善する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-10-27T15:41:46Z)
• Prompt-based Generative Approach towards Multi-Hierarchical Medical Dialogue State Tracking [5.586690662128686]
  医療対話システムにおける対話状態追跡(DST)モジュールは、下流タスクのための機械可読構造に発話を解釈する。 まず,多階層状態構造を定義し,次に Prompt に基づく生成手法を提案する。 我々の手法は他のDST手法よりも優れており、データが少ないシナリオではかなり効果的である。
  論文  参考訳（メタデータ） (2022-03-18T13:28:27Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)
• Dr. Summarize: Global Summarization of Medical Dialogue by Exploiting Local Structures [4.3012765978447565]
  本稿では,患者の医療履歴を収集する際,一意で独立した局所構造を生かした医療会話要約手法を提案する。 提案手法は,ベースラインポインタジェネレータモデルに対するポインタ数を2倍にし,会話の80%で情報の大部分あるいは全部をキャプチャする。
  論文  参考訳（メタデータ） (2020-09-18T07:35:44Z)

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。