論文の概要: Healthcare Knowledge Graph Construction: State-of-the-art, open issues,
and opportunities
- arxiv url: http://arxiv.org/abs/2207.03771v1
- Date: Fri, 8 Jul 2022 09:19:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-12 12:55:32.688086
- Title: Healthcare Knowledge Graph Construction: State-of-the-art, open issues,
and opportunities
- Title（参考訳）: 医療知識グラフの構築 : 最先端でオープンな課題と機会
- Authors: Bilal Abu-Salih, Muhammad AL-Qurishi, Mohammed Alweshah, Mohammad
AL-Smadi, Reem Alfayez, Heba Saadeh
- Abstract要約: 本論文は、包括的分類法とKG構築に関する鳥の視線を初めて提示するものである。
様々な医療状況に関する学術研究から引き出された最先端技術について、徹底的に検討する。
文献におけるいくつかの研究成果と既存の課題が報告され、議論されている。
- 参考スコア（独自算出の注目度）: 5.652978777706895
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The incorporation of data analytics in the healthcare industry has made
significant progress, driven by the demand for efficient and effective big data
analytics solutions. Knowledge graphs (KGs) have proven utility in this arena
and are rooted in a number of healthcare applications to furnish better data
representation and knowledge inference. However, in conjunction with a lack of
a representative KG construction taxonomy, several existing approaches in this
designated domain are inadequate and inferior. This paper is the first to
provide a comprehensive taxonomy and a bird's eye view of healthcare KG
construction. Additionally, a thorough examination of the current
state-of-the-art techniques drawn from academic works relevant to various
healthcare contexts is carried out. These techniques are critically evaluated
in terms of methods used for knowledge extraction, types of the knowledge base
and sources, and the incorporated evaluation protocols. Finally, several
research findings and existing issues in the literature are reported and
discussed, opening horizons for future research in this vibrant area.
- Abstract（参考訳）: 医療業界におけるデータ分析の導入は、効率的で効果的なビッグデータ分析ソリューションの需要によって大きく進展した。
知識グラフ(KG)はこの領域で有用であることが証明されており、より良いデータ表現と知識推論を提供するために多くの医療アプリケーションに根ざしている。
しかし、代表的なkg構成分類の欠如とともに、この指定領域におけるいくつかの既存のアプローチは不十分で劣っている。
本論文は, 包括的分類法と, 鳥眼による医療用kg構成図を初めて提供した。
また、様々な医療状況に関連する学術研究から得られた最新の技術について、徹底的に検討する。
これらの手法は,知識抽出法,知識ベースと情報源の種類,組み込まれた評価プロトコルの観点から批判的に評価される。
最後に, この活気ある地域での今後の研究に向けて, いくつかの研究成果と既存の課題を報告し, 議論する。
関連論文リスト
- The Role of Graph Topology in the Performance of Biomedical Knowledge Graph Completion Models [3.1666540219908272]
我々は,一般公開されているバイオメディカル知識グラフの特性を総合的に調査する。
実世界のアプリケーションで観測された精度とリンクを確立する。
すべてのモデル予測と新しい分析ツールをリリースします。
論文 参考訳（メタデータ） (2024-09-06T08:09:15Z) - A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis [48.84443450990355]
ディープネットワークは、医学的なスキャンに適用すると、例外のない状況で失敗することが多いため、自然画像の解析において広く成功している。
胸部X線や皮膚病変画像の文脈において、異なる病院から採取したデータや、性別、人種などの人口統計学的変数によって構築されたデータなど、ドメインシフトに対するモデル感度に焦点をあてる。
医学教育からインスピレーションを得て,自然言語で伝達される明示的な医学知識を基盤としたディープネットワークを提案する。
論文 参考訳（メタデータ） (2024-05-23T17:55:02Z) - Enhancing Biomedical Lay Summarisation with External Knowledge Graphs [28.956500948255677]
そこで本研究では,知識グラフをレイ・サマリゼーション・モデルに組み込むための3つのアプローチの有効性について検討する。
この結果から,グラフベースのドメイン知識の統合は,生成したテキストの可読性を大幅に向上させることで,レイ・サマライズを著しく向上させることが可能であることが確認された。
論文 参考訳（メタデータ） (2023-10-24T10:25:21Z) - An Analysis on Large Language Models in Healthcare: A Case Study of
BioBERT [0.0]
本稿では,大規模言語モデル,特にBioBERTを医療に応用するための包括的調査を行う。
この分析は、医療領域のユニークなニーズを満たすために、BioBERTを微調整するための体系的な方法論を概説している。
本論文は、倫理的考察、特に患者のプライバシーとデータセキュリティを徹底的に検討する。
論文 参考訳（メタデータ） (2023-10-11T08:16:35Z) - A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [52.31710895034573]
この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。
HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。
アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
論文 参考訳（メタデータ） (2023-06-07T21:51:56Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - Knowledge-enhanced Neural Machine Reasoning: A Review [67.51157900655207]
既存の知識強化手法を2つの主要なカテゴリと4つのサブカテゴリに分類する新しい分類法を導入する。
我々は、現在のアプリケーションドメインを解明し、将来的な研究の展望について洞察を提供する。
論文 参考訳（メタデータ） (2023-02-04T04:54:30Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - DiaKG: an Annotated Diabetes Dataset for Medical Knowledge Graph
Construction [13.348103601393397]
本稿では,Diabetesナレッジグラフのための高品質な中国語データセットであるDiaKGを紹介する。
このデータセットには22,050のエンティティと6,890の関係が含まれている。
このデータセットのリリースは、糖尿病知識グラフの構築を支援し、AIベースのアプリケーションを促進することを願っている。
論文 参考訳（メタデータ） (2021-05-31T15:12:49Z) - Knowledge Graphs in Manufacturing and Production: A Systematic
Literature Review [0.0]
製造と生産におけるナレッジグラフは、生産ラインをより効率的で柔軟にし、高品質の出力を目指しています。
これにより、知識グラフは企業が産業の4.0の目標に達するのを魅力的にしている。
この分野の既存の研究は非常に予備的であり、ナレッジグラフをどのように適用できるかを分析する研究がさらに必要である。
論文 参考訳（メタデータ） (2020-12-16T16:15:28Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。