論文の概要: Comprehensive identification of Long Covid articles with human-in-the-loop machine learning

• arxiv url: http://arxiv.org/abs/2209.08124v1
• Date: Fri, 16 Sep 2022 18:36:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 18:45:32.027450
• Title: Comprehensive identification of Long Covid articles with human-in-the-loop machine learning
• Title（参考訳）: Human-in-the-loop 機械学習によるLong Covid 記事の包括的識別
• Authors: Robert Leaman, Rezarta Islamaj, Alexis Allot, Qingyu Chen, W. John Wilbur, Zhiyong Lu
• Abstract要約: 新型コロナウイルス(COVID-19)の生存者は、日常生活によく影響を及ぼす多系統的な症状を経験する。 ロング・コビッド(Long Covid)は、SARS-CoV-2感染症の急性後遺症である。
• 参考スコア（独自算出の注目度）: 5.544845443781941
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A significant percentage of COVID-19 survivors experience ongoing multisystemic symptoms that often affect daily living, a condition known as Long Covid or post-acute-sequelae of SARS-CoV-2 infection. However, identifying Long Covid articles is challenging since articles refer to the condition using a variety of less common terms or refrain from naming it at all. We developed an iterative human-in-the-loop machine learning framework designed to effectively leverage the data available and make the most efficient use of human labels. Specifically, our approach combines data programming with active learning into a robust ensemble model. Evaluating our model on a holdout set demonstrates over three times the sensitivity of other methods. We apply our model to PubMed to create the Long Covid collection, and demonstrate that (1) most Long Covid articles do not refer to Long Covid by any name (2) when the condition is named, the name used most frequently in the biomedical literature is Long Covid, and (3) Long Covid is associated with disorders in a wide variety of body systems. The Long Covid collection is updated weekly and is searchable online at the LitCovid portal: https://www.ncbi.nlm.nih.gov/research/coronavirus/docsum?filters=e_condition.LongCovid
• Abstract（参考訳）: 新型コロナウイルスの感染者のかなりの割合は、日常生活にしばしば影響を及ぼす多系統の症状、すなわち長期のcovid-19またはsars-cov-2感染のacute-sequelaeを経験している。 しかしながら、Long Covidの記事の特定は、記事が多種多様なあまり一般的でない言葉を使った状態や命名を全く控えているため困難である。 我々は、利用可能なデータを効果的に活用し、人間のラベルを最大限に活用するための反復型ヒューマン・イン・ザ・ループ機械学習フレームワークを開発した。 具体的には、データプログラミングとアクティブラーニングを組み合わせた堅牢なアンサンブルモデルを提案する。 我々のモデルをホールドアウトセットで評価することは、他の手法の3倍以上の感度を示す。 提案手法をPubMedに応用してLong Covidコレクションを作成し,(1)Long Covidの記事のほとんどが条件が命名されたときにLong Covidを言及していないこと,(3)Long CovidはLong Covidと関係していること,(3)Long Covidは様々な身体システムにおける障害と関連していることを実証した。 Long Covidコレクションは毎週更新され、LitCovidポータルでオンラインで検索可能である。 filters=e_condition.LongCovid

関連論文リスト

• LongBoX: Evaluating Transformers on Long-Sequence Clinical Tasks [44.89857441408805]
  LongBoXは、テキストからテキストへのフォーマットで7つの医療データセットのコレクションである。 予備実験により、医療用LLMと強力な一般用LLMの両方がこのベンチマークで苦戦していることが明らかとなった。 長周期処理のための2つの手法を評価する: (i) 局所的言語的注意と (ii) フュージョン・イン・デコーダ (FiD)
  論文  参考訳（メタデータ） (2023-11-16T04:57:49Z)
• Dense Video Captioning: A Survey of Techniques, Datasets and Evaluation Protocols [53.706461356853445]
  アントリムされたビデオには、関連のあるイベント、依存関係、コンテキスト、重複するイベント、オブジェクトとオブジェクトのインタラクション、ドメインの特異性、その他の説明に値するセマンティクスがある。 ビデオキャプション(DVC)は、特定のビデオ内の異なるイベントを検出し、記述することを目的としている。
  論文  参考訳（メタデータ） (2023-11-05T01:45:31Z)
• Towards long-tailed, multi-label disease classification from chest X-ray: Overview of the CXR-LT challenge [59.323306639144526]
  診断医用画像検査など,現実的な画像認識の問題が数多く発生している。 診断は長い尾と多ラベルの問題であり、患者は複数の所見を呈することが多い。 我々は共通のテーマを合成し、長い尾を持つマルチラベルの医用画像分類のためのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2023-10-24T18:26:22Z)
• Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
  本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。 モデルがサブセット固有の知識の学習に集中するように強制する。 提案手法は長期網膜疾患認識タスクに有効であることが判明した。
  論文  参考訳（メタデータ） (2021-04-22T13:39:33Z)
• What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
  本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。 本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。 本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2020-11-06T02:23:01Z)
• A Comprehensive Dictionary and Term Variation Analysis for COVID-19 and SARS-CoV-2 [6.527251100820119]
  SARS-CoV-2(SARS-CoV-2)やCOVID-19(COVID-19)などを指す科学文献における独自の用語の数は、非常に多い。 この高度の項変動は、これらの重要なエンティティの高いリコール識別を困難にする。 文献ではSARS-CoV-2およびCOVID-19の用語の広範な辞書について紹介する。
  論文  参考訳（メタデータ） (2020-10-27T19:51:53Z)
• Evidence Inference 2.0: More Data, Better Models [22.53884716373888]
  Evidence Inferenceデータセットは、この目的に向けた研究を促進するために最近リリースされた。 本稿では、エビデンス推論データセットを25%拡張するための追加アノテーションを収集する。 新しいベースラインと評価のための更新されたコーパス、ドキュメント、コードはhttp://evidence-inference.ebm-nlp.com/で公開されている。
  論文  参考訳（メタデータ） (2020-05-08T17:16:35Z)
• SLEDGE: A Simple Yet Effective Baseline for COVID-19 Scientific Knowledge Search [40.443716693689794]
  本稿では,SciBERTを有効活用したSLEDGEという検索システムを提案する。 一般ドメインの回答ランキングデータセット上でモデルをトレーニングし、関連信号をSARS-CoV-2に転送して評価する。
  論文  参考訳（メタデータ） (2020-05-05T17:51:27Z)
• LRTD: Long-Range Temporal Dependency based Active Learning for Surgical Workflow Recognition [67.86810761677403]
  本稿では,費用対効果の高い手術ビデオ解析のための新しい能動的学習法を提案する。 具体的には,非局所的再帰的畳み込みネットワーク (NL-RCNet) を提案する。 手術ワークフロー認識タスクを実行することで,大規模な手術ビデオデータセット(Cholec80)に対するアプローチを検証する。
  論文  参考訳（メタデータ） (2020-04-21T09:21:22Z)

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。