論文の概要: ITTC @ TREC 2021 Clinical Trials Track

• arxiv url: http://arxiv.org/abs/2202.07858v1
• Date: Wed, 16 Feb 2022 04:56:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-18 00:07:16.333381
• Title: ITTC @ TREC 2021 Clinical Trials Track
• Title（参考訳）: ITTC @ TREC 2021 臨床試験トラック
• Authors: Thinh Hung Truong, Yulia Otmakhova, Rahmad Mahendra, Timothy Baldwin, Jey Han Lau, Trevor Cohn, Lawrence Cavedon, Damiano Spina, Karin Verspoor
• Abstract要約: 本課題は、患者の入院ノートの要約を構成するトピックに有効な臨床試験を適合させる問題に焦点を当てる。 NLP手法を用いて試行とトピックの表現方法を探索し、共通の検索モデルを用いて各トピックに関連するトライアルのランク付けリストを生成する。 提案されたすべての実行の結果は、すべてのトピックの中央値よりもはるかに上回っていますが、改善の余地はたくさんあります。
• 参考スコア（独自算出の注目度）: 54.141379782822206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper describes the submissions of the Natural Language Processing (NLP) team from the Australian Research Council Industrial Transformation Training Centre (ITTC) for Cognitive Computing in Medical Technologies to the TREC 2021 Clinical Trials Track. The task focuses on the problem of matching eligible clinical trials to topics constituting a summary of a patient's admission notes. We explore different ways of representing trials and topics using NLP techniques, and then use a common retrieval model to generate the ranked list of relevant trials for each topic. The results from all our submitted runs are well above the median scores for all topics, but there is still plenty of scope for improvement.
• Abstract（参考訳）: 本稿では,オーストラリア研究会議産業変革訓練センター(ITTC)の自然言語処理チーム(NLP)のTREC 2021臨床試験トラックへの提出について述べる。 本課題は、患者の入院ノートの要約を構成するトピックに有効な臨床試験を適合させる問題に焦点を当てる。 NLP手法を用いて試行とトピックの表現方法を探索し、共通の検索モデルを用いて各トピックに関連するトライアルのランク付けリストを生成する。 提出されたすべてのテストの結果は、すべてのトピックの中央値を大きく上回っていますが、改善の余地はたくさんあります。

関連論文リスト

• Towards Efficient Patient Recruitment for Clinical Trials: Application of a Prompt-Based Learning Model [0.7373617024876725]
  臨床試験は医薬品の介入を促進するのに不可欠であるが、適格な参加者を選ぶ際にボトルネックに直面している。 構造化されていない医療用テキストの複雑な性質は、参加者を効率的に識別する上での課題である。 本研究では,コホート選択課題に対するプロンプトベース大規模言語モデルの性能評価を目的とした。
  論文  参考訳（メタデータ） (2024-04-24T20:42:28Z)
• SemEval-2024 Task 2: Safe Biomedical Natural Language Inference for Clinical Trials [13.59675117792588]
  SemEval-2024 Task 2: Safe Biomedical Natural Language Inference for ClinicalTrialsについて紹介する。 我々の貢献には、改良されたNLI4CT-Pデータセット(Natural Language Inference for Clinical Trials - Perturbed)が含まれる。 このタスクに登録された参加者は合計106人であり、1200以上の個人申請と25のシステム概要書に貢献している。 このイニシアチブは、医療におけるNLIモデルの堅牢性と適用性を向上し、臨床意思決定におけるより安全で信頼性の高いAIアシストを保証することを目的としている。
  論文  参考訳（メタデータ） (2024-04-07T13:58:41Z)
• TMU at TREC Clinical Trials Track 2023 [1.9599274203282302]
  本稿では,トロント大学が2023年に開催したTRECクリニカル・トライアル・トラックへの参加について述べる。 本実験では,先進的な自然言語処理技術とニューラルネットワークモデルを用いて,最も関連性の高い臨床試験を検索する。
  論文  参考訳（メタデータ） (2024-03-12T00:45:49Z)
• CliniDigest: A Case Study in Large Language Model Based Large-Scale Summarization of Clinical Trial Descriptions [58.720142291102135]
  2022年には、毎日100件以上の臨床試験がCricerTrials.govに提出された。 CliniDigestは、私たちの知る限り、臨床試験のリアルタイム、真実、そして包括的な要約を提供するための最初のツールです。 それぞれのフィールドに対して、CliniDigestは$mu=153, igma=69$の要約を生成し、それぞれが$mu=54%, sigma=30%のソースを使用する。
  論文  参考訳（メタデータ） (2023-07-26T21:49:14Z)
• GDPR Compliant Collection of Therapist-Patient-Dialogues [48.091760741427656]
  我々は、欧州連合の一般データプライバシ規則の下で、精神医学クリニックでセラピストと患者との対話の収集を始める際に直面した課題について詳しく述べる。 本稿では、手順の各ステップの概要を述べ、この分野でのさらなる研究を動機付ける潜在的な落とし穴を指摘した。
  論文  参考訳（メタデータ） (2022-11-22T15:51:10Z)
• A Review on Deep-Learning Algorithms for Fetal Ultrasound-Image Analysis [5.512295869673148]
  本稿は、2017年以降に出版された研究論文145件について、この分野における最新の研究状況について調査する。 本論文は, (i) 胎児標準平面検出, (ii) 解剖学的構造解析, (iii) バイオメトリパラメーター推定で分類した。 本稿では、胎児のUS画像解析のためのDLアルゴリズムに関する技術の現状を批判的に要約する。
  論文  参考訳（メタデータ） (2022-01-28T17:22:44Z)
• A Scoping Review of Publicly Available Language Tasks in Clinical Natural Language Processing [7.966218734325912]
  バイオメディカルリサーチとコンピュータサイエンス文献データベースを含む6つのデータベースを検索した。 47のNLPタスクを有する35の論文が2007年から2021年の間に包括的基準を満たした。
  論文  参考訳（メタデータ） (2021-12-07T22:49:58Z)
• An Analysis of a BERT Deep Learning Strategy on a Technology Assisted Review Task [91.3755431537592]
  文書検診はEvidenced Based Medicineにおける中心的な課題である。 本稿では,BERT や PubMedBERT を組み込んだ DL 文書分類手法と DL 類似性検索経路を提案する。 2017年と2018年のCLEF eHealth コレクションにおいて,私の DL 戦略の検索の有効性を検証し,評価した。
  論文  参考訳（メタデータ） (2021-04-16T19:45:27Z)
• CREATe: Clinical Report Extraction and Annotation Technology [53.731999072534876]
  臨床症例報告は、特定の臨床症例の特異な側面を記述した記述である。 これらのレポートを注釈付け、インデックス付け、あるいはキュレートするエンドツーエンドシステムを開発する試みはない。 本稿では,新たな計算資源プラットフォームを提案し,臨床事例レポートの内容の抽出,索引付け,照会を行う。
  論文  参考訳（メタデータ） (2021-02-28T16:50:14Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。