論文の概要: Graph-Augmented Cyclic Learning Framework for Similarity Estimation of
Medical Clinical Notes
- arxiv url: http://arxiv.org/abs/2208.09437v1
- Date: Fri, 19 Aug 2022 16:34:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-22 16:42:51.959276
- Title: Graph-Augmented Cyclic Learning Framework for Similarity Estimation of
Medical Clinical Notes
- Title（参考訳）: 医用臨床ノートの類似度推定のためのグラフ提示循環学習フレームワーク
- Authors: Can Zheng, Yanshan Wang, Xiaowei Jia
- Abstract要約: 臨床領域における類似度推定のためのグラフ強化循環学習フレームワークを提案する。
このフレームワークは最先端のバックボーン言語モデルに便利に実装でき、コトレーニングを通じてドメイン知識を活用することでパフォーマンスを向上させることができる。
本稿では,GCNとコトレーニングフレームワークにおけるドメイン知識の導入の成功を,それぞれ16.3%,27.9%の改善により報告する。
- 参考スコア（独自算出の注目度）: 6.891426146645747
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Semantic textual similarity (STS) in the clinical domain helps improve
diagnostic efficiency and produce concise texts for downstream data mining
tasks. However, given the high degree of domain knowledge involved in clinic
text, it remains challenging for general language models to infer implicit
medical relationships behind clinical sentences and output similarities
correctly. In this paper, we present a graph-augmented cyclic learning
framework for similarity estimation in the clinical domain. The framework can
be conveniently implemented on a state-of-art backbone language model, and
improve its performance by leveraging domain knowledge through co-training with
an auxiliary graph convolution network (GCN) based network. We report the
success of introducing domain knowledge in GCN and the co-training framework by
improving the Bio-clinical BERT baseline by 16.3% and 27.9%, respectively.
- Abstract（参考訳）: 臨床領域におけるsemantic textual similarity(sts)は、診断効率の向上と下流データマイニングタスクのための簡潔なテキストの作成に役立つ。
しかし,クリニカルテキストに関わるドメイン知識の高さを考えると,臨床文章の背後にある暗黙的な医学的関係を推測し,類似性を正しく出力することは,一般言語モデルでは依然として困難である。
本稿では,臨床領域における類似度推定のためのグラフ型巡回学習フレームワークを提案する。
このフレームワークは最先端のバックボーン言語モデル上で便利に実装でき、補助グラフ畳み込みネットワーク(gcn)ベースのネットワークと協調してドメイン知識を活用することで、そのパフォーマンスを向上させることができる。
本稿では,GCNとコトレーニングフレームワークにおけるドメイン知識の導入の成功を,それぞれ16.3%,27.9%の改善により報告する。
関連論文リスト
- Improving Extraction of Clinical Event Contextual Properties from Electronic Health Records: A Comparative Study [2.0884301753594334]
本研究は,医学テキスト分類のための様々な自然言語モデルの比較分析を行う。
BERTはBi-LSTMモデルを最大28%、ベースラインのBERTモデルを最大16%上回り、マイノリティクラスをリコールする。
論文 参考訳（メタデータ） (2024-08-30T10:28:49Z) - Adapting Abstract Meaning Representation Parsing to the Clinical Narrative -- the SPRING THYME parser [6.121530113520979]
本論文は臨床用AMRの設計と評価を目的としている。
連続訓練を応用した最先端のAMRを応用した。
提案手法は,AMR構造予測の精度を高めるため,データ拡張手法を取り入れたものである。
論文 参考訳（メタデータ） (2024-05-15T07:32:43Z) - CoRelation: Boosting Automatic ICD Coding Through Contextualized Code
Relation Learning [56.782963838838036]
我々は,ICDコード表現の学習を促進するために,文脈的かつ柔軟なフレームワークである新しい手法を提案する。
提案手法では,可能なすべてのコード関係をモデル化する際の臨床ノートのコンテキストを考慮した,依存型学習パラダイムを採用している。
論文 参考訳（メタデータ） (2024-02-24T03:25:28Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - IMITATE: Clinical Prior Guided Hierarchical Vision-Language Pre-training [15.04212780946932]
階層的視覚言語アライメントを用いた医療報告から構造情報を学習するための新しいフレームワークImitateを提案する。
このフレームワークは胸部X線(CXR)画像から多段階の視覚特徴を導出し、これらの特徴を階層的な医療報告に符号化された記述的および決定的テキストと別々に整列する。
論文 参考訳（メタデータ） (2023-10-11T10:12:43Z) - Knowledge Graph Embeddings for Multi-Lingual Structured Representations
of Radiology Reports [40.606143019674654]
本稿では,新しい軽量グラフベースの埋め込み手法,特に放射線学レポートのキャタリングについて紹介する。
報告書の構造と構成を考慮し、報告書の医療用語を接続する。
本稿では,X線レポートの疾患分類と画像分類という2つのタスクにこの埋め込みを組み込むことについて述べる。
論文 参考訳（メタデータ） (2023-09-02T11:46:41Z) - Development and validation of a natural language processing algorithm to
pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。
臨床文献のコーパスを12種類に分類した。
私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
論文 参考訳（メタデータ） (2023-03-23T17:17:46Z) - Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。
ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。
以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
論文 参考訳（メタデータ） (2022-08-03T08:33:21Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳（メタデータ） (2022-06-04T13:16:30Z) - Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。
目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。
本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文 参考訳（メタデータ） (2021-08-02T10:42:52Z) - A Practical Approach towards Causality Mining in Clinical Text using
Active Transfer Learning [2.6125458645126907]
因果関係マイニングは、最先端の自然言語処理技術の応用を必要とする活発な研究領域である。
この研究は、臨床テキストを因果知識に変換するフレームワークを作成することを目的としている。
論文 参考訳（メタデータ） (2020-12-10T06:51:13Z)
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。