論文の概要: Paper Plain: Making Medical Research Papers Approachable to Healthcare Consumers with Natural Language Processing

• arxiv url: http://arxiv.org/abs/2203.00130v1
• Date: Mon, 28 Feb 2022 22:59:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-03 02:07:04.447760
• Title: Paper Plain: Making Medical Research Papers Approachable to Healthcare Consumers with Natural Language Processing
• Title（参考訳）: 論文プレーン:自然言語処理による医療従事者への医療研究論文へのアプローチ
• Authors: Tal August, Lucy Lu Wang, Jonathan Bragg, Marti A. Hearst, Andrew Head and Kyle Lo
• Abstract要約: そこで本稿では,自然言語処理を利用した対話型インタフェース-Paper Plainを4つの特徴として紹介する。 不慣れな言葉の定義、in-situのプレーン言語セクションの要約、そして応答する節のプレーン言語要約。 その結果,論文の読解・読解に要する時間は,一般のPDF読解者に比べて紙の理解を損なうことなく容易であることが判明した。
• 参考スコア（独自算出の注目度）: 36.60598912719588
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When seeking information not covered in patient-friendly documents, like medical pamphlets, healthcare consumers may turn to the research literature. Reading medical papers, however, can be a challenging experience. To improve access to medical papers, we introduce a novel interactive interface-Paper Plain-with four features powered by natural language processing: definitions of unfamiliar terms, in-situ plain language section summaries, a collection of key questions that guide readers to answering passages, and plain language summaries of the answering passages. We evaluate Paper Plain, finding that participants who use Paper Plain have an easier time reading and understanding research papers without a loss in paper comprehension compared to those who use a typical PDF reader. Altogether, the study results suggest that guiding readers to relevant passages and providing plain language summaries, or "gists," alongside the original paper content can make reading medical papers easier and give readers more confidence to approach these papers.
• Abstract（参考訳）: 医療パンフレットのような患者フレンドリーな文書にない情報を求めるとき、医療関係者は研究文献に目を向けることがある。 しかし、医学論文を読むことは難しい経験だ。 医学論文へのアクセスを改善するために, 自然言語処理を利用した対話型インタフェース・パパープレーンを導入する: 未知用語の定義, 原文部分要約, 読者が回答を導くための重要な質問の収集, 回答文の平文要約の4つの特徴について述べる。 論文の理解度を低下させることなく,研究論文の読解・理解に要する時間が一般的なpdf読取者に比べて容易であることを見いだした。 総じて,本論文の内容と並行して,読者を関連項目に誘導し,平易な言語要約や「要点」を提供することにより,医学論文の読解が容易になり,読者がこれらの論文に接近する自信が高まることが示唆された。

関連論文リスト

• Explaining Relationships Among Research Papers [14.223038413516685]
  本稿では,よりリッチな引用テキストを生成するための機能ベースのLLMプロンプト手法を提案する。 人間の好みと統合的書き方の間には強い相関関係がみられ,高いレベルの抽象的引用を好むことが示唆された。
  論文  参考訳（メタデータ） (2024-02-20T23:38:39Z)
• The Semantic Reader Project: Augmenting Scholarly Documents through AI-Powered Interactive Reading Interfaces [54.2590226904332]
  本稿では,研究論文を対象とした動的読解インタフェースの自動作成を目的としたセマンティック・リーダー・プロジェクトについて述べる。 10のプロトタイプインターフェースが開発され、300人以上の参加者と現実世界のユーザが読書体験を改善している。 本論文は,研究論文を読む際,学者と公衆の面を巡って構築する。
  論文  参考訳（メタデータ） (2023-03-25T02:47:09Z)
• Community-Driven Comprehensive Scientific Paper Summarization: Insight from cvpaper.challenge [23.10314444860379]
  我々は、コンピュータビジョンカンファレンスで提示された論文の要約を書くために、非ネイティブな英語話者のグループを組織した。 我々は,コンピュータビジョンとパターン認識に関するカンファレンスにおいて,合計2000の論文を要約した。
  論文  参考訳（メタデータ） (2022-03-17T06:31:17Z)
• 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)
• Readability Research: An Interdisciplinary Approach [62.03595526230364]
  我々は,可読性研究の包括的枠組みである可読性研究のための強固な基盤を提供することを目指している。 可読性(Readability)とは、ページから読み手への情報フローに影響を与える視覚情報設計の側面を指す。 これらのアスペクトはオンデマンドで修正可能で、読み手がテキストから処理し、意味を導き出すのが簡単になる。
  論文  参考訳（メタデータ） (2021-07-20T16:52:17Z)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)
• Medical Image Segmentation Using Deep Learning: A Survey [11.204127714820945]
  本稿では,深層学習技術を用いた医用画像のセグメンテーションに関する包括的調査を行う。 我々は,現在普及している文献を,粗いものから細かいものまで多層構造に従って分類する。 教師付き学習アプローチでは,バックボーンネットワークの選択,ネットワークブロックの設計,損失関数の改良という3つの側面から文献を解析する。
  論文  参考訳（メタデータ） (2020-09-28T08:05:02Z)
• Extracting Structured Data from Physician-Patient Conversations By Predicting Noteworthy Utterances [39.888619005843246]
  本稿では,会話の書き起こし,ビジット後要約,対応する証拠(転写文),構造化ラベルからなる新しいデータセットについて述べる。 方法論的な課題の1つは、会話が長く(約1500語)、現代のディープラーニングモデルではそれらを入力として使うのが難しいことである。 予測音声を初めてフィルタリングすることにより,診断とRoS異常の両方を認識するための予測性能を著しく向上させることができることがわかった。
  論文  参考訳（メタデータ） (2020-07-14T16:10:37Z)
• From Standard Summarization to New Tasks and Beyond: Summarization with Manifold Information [77.89755281215079]
  テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。 現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。 本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
  論文  参考訳（メタデータ） (2020-05-10T14:59:36Z)

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。