Fugu-MT 論文翻訳(概要): MedMCQA : A Large-scale Multi-Subject Multi-Choice Dataset for Medical domain Question Answering

論文の概要: MedMCQA : A Large-scale Multi-Subject Multi-Choice Dataset for Medical domain Question Answering

arxiv url: http://arxiv.org/abs/2203.14371v1
Date: Sun, 27 Mar 2022 18:59:16 GMT
ステータス: 処理完了
システム内更新日: 2022-03-29 12:37:27.717949
Title: MedMCQA : A Large-scale Multi-Subject Multi-Choice Dataset for Medical domain Question Answering
Title（参考訳）: MedMCQA : 医療領域質問応答のための大規模マルチオブジェクトマルチコースデータセット
Authors: Ankit Pal, Logesh Kumar Umapathi and Malaikannan Sankarasubbu
Abstract要約: AIIMS と NEET PG のハイクオリティ試験 MCQ は 2.4k の医療トピックを対象とし,21 名の医療被験者を対象とする。各サンプルには、より深い言語理解を必要とする質問、正しい回答、その他のオプションが含まれている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces MedMCQA, a new large-scale, Multiple-Choice Question Answering (MCQA) dataset designed to address real-world medical entrance exam questions. More than 194k high-quality AIIMS \& NEET PG entrance exam MCQs covering 2.4k healthcare topics and 21 medical subjects are collected with an average token length of 12.77 and high topical diversity. Each sample contains a question, correct answer(s), and other options which requires a deeper language understanding as it tests the 10+ reasoning abilities of a model across a wide range of medical subjects \& topics. A detailed explanation of the solution, along with the above information, is provided in this study.
Abstract（参考訳）: 本稿では,実世界の医学受験問題に対処するために設計された,大規模マルチチョイス質問応答(mcqa)データセットであるmedmcqaについて述べる。 194k以上のハイクオリティなaiims \&neet pg入試mqsが2.4kの医療トピックをカバーし、21の医療被験者を平均12.77のトークン長で収集し、トピックの多様性が高い。それぞれのサンプルには質問、正しい回答、その他の選択肢が含まれており、様々な医学科目におけるモデルの10以上の推論能力をテストする際に、より深い言語理解を必要とする。本研究では, この解の詳細な説明と, 上記の情報について述べる。

関連論文リスト

MediFact at MEDIQA-M3G 2024: Medical Question Answering in Dermatology with Multimodal Learning [0.0]
本稿では,オープンエンド医療質問応答(QA)のための弱教師付き学習アプローチを提案することによって,従来の手法の限界に対処する。本システムは,VGG16-CNN-SVMモデルを用いて,利用可能なMEDIQA-M3G画像を利用する。この研究は、医療QA研究を前進させ、臨床意思決定支援システムへの道を切り開き、最終的に医療提供を改善する。
論文参考訳（メタデータ） (2024-04-27T20:03:47Z)
Large Language Models for Multi-Choice Question Classification of Medical Subjects [0.2020207586732771]
我々は, 深層ニューラルネットワークを用いて, 被ばく被ばく被ばく者への質問の分類を行う。医療分野におけるマルチクラス化タスクにおいて,AI と LLM の能力について述べる。
論文参考訳（メタデータ） (2024-03-21T17:36:08Z)
OmniMedVQA: A New Large-Scale Comprehensive Evaluation Benchmark for Medical LVLM [48.16696073640864]
我々は,新しい包括的ビジュアル質問回答(VQA)ベンチマークであるOmniMedVQAを紹介する。このベンチマークのすべての画像は、本物の医療シナリオから得られたものです。既存のLVLMはこれらの医療用VQA問題に効果的に取り組むのに苦労していることがわかった。
論文参考訳（メタデータ） (2024-02-14T13:51:56Z)
Contributions to the Improvement of Question Answering Systems in the Biomedical Domain [0.951828574518325]
この論文は、生物医学領域における質問応答(QA)の枠組みに該当する。バイオメディカル領域におけるQAの性能向上のための4つのコントリビューションを提案する。我々はSemBioNLQAと呼ばれる完全に自動化されたセマンティックバイオメディカルQAシステムを開発した。
論文参考訳（メタデータ） (2023-07-25T16:31:20Z)
PMC-VQA: Visual Instruction Tuning for Medical Visual Question Answering [56.25766322554655]
MedVQA(Medicical Visual Question Answering)は、診断精度と医療提供を向上する重要な機会を提供する。本稿では,事前学習した視覚エンコーダの視覚情報を大規模言語モデルに整列させることにより,医用視覚理解のための生成モデルを提案する。 PMC-VQAで提案されたモデルをトレーニングし、VQA-RAD、SLAKE、Image-Clef 2019など、複数の公開ベンチマークで微調整する。
論文参考訳（メタデータ） (2023-05-17T17:50:16Z)
Large Language Models Need Holistically Thought in Medical Conversational QA [24.2230289885612]
The Holistically Thought (HoT) method is designed to guide the LLMs to perform thediffused and focused thinking for generate high-quality medical response。提案手法は,3種類の医療用CQAデータセットの自動評価と手動評価によって評価されている。
論文参考訳（メタデータ） (2023-05-09T12:57:28Z)
PMC-LLaMA: Towards Building Open-source Language Models for Medicine [62.39105735933138]
大規模言語モデル(LLM)は、自然言語理解において顕著な能力を示した。 LLMは、ドメイン固有の知識が不足しているため、医学的応用のような正確性を必要とする領域で苦労している。 PMC-LLaMAと呼ばれる医療応用に特化した強力なオープンソース言語モデルの構築手順について述べる。
論文参考訳（メタデータ） (2023-04-27T18:29:05Z)
FrenchMedMCQA: A French Multiple-Choice Question Answering Dataset for Medical domain [4.989459243399296]
本稿では,フレンチMedMCQAについて紹介する。フレンチMedMCQAは,医学領域向けにフランス語で公開されているMultiple-Choice Question Answering(MCQA)データセットである。薬局におけるフランスの医学専門学位の実際の試験から取られた3,105の質問で構成されている。
論文参考訳（メタデータ） (2023-04-09T16:57:40Z)
Medical Visual Question Answering: A Survey [55.53205317089564]
VQA(Medicical Visual Question Answering)は、医療用人工知能と一般的なVQA課題の組み合わせである。医療用VQAシステムは,医療用画像と自然言語による臨床的に関連性のある質問を前提として,妥当かつ説得力のある回答を予測することが期待されている。
論文参考訳（メタデータ） (2021-11-19T05:55:15Z)
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)
Interpretable Multi-Step Reasoning with Knowledge Extraction on Complex Healthcare Question Answering [89.76059961309453]
HeadQAデータセットには、公衆医療専門試験で認可された複数の選択質問が含まれている。これらの質問は、現在のQAシステムにとって最も難しいものです。知識抽出フレームワーク(MurKe)を用いた多段階推論を提案する。市販の事前訓練モデルを完全に活用しようと努力しています。
論文参考訳（メタデータ） (2020-08-06T02:47:46Z)

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。