論文の概要: Improving Cause-of-Death Classification from Verbal Autopsy Reports
- arxiv url: http://arxiv.org/abs/2210.17161v1
- Date: Mon, 31 Oct 2022 09:14:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 15:21:09.400639
- Title: Improving Cause-of-Death Classification from Verbal Autopsy Reports
- Title（参考訳）: 言語解剖報告による死亡原因分類の改善
- Authors: Thokozile Manaka, Terence van Zyl, Deepak Kar
- Abstract要約: 自然言語処理(NLP)技術は、医療分野では不十分である。
死因は、信頼できる死亡登録システムを持たない場所での口頭解剖(VA)報告によって決定されることが多い。
本稿では,モノリンガル学習とマルチソースドメイン適応の2つのパラダイムに依存するシステムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In many lower-and-middle income countries including South Africa, data access
in health facilities is restricted due to patient privacy and confidentiality
policies. Further, since clinical data is unique to individual institutions and
laboratories, there are insufficient data annotation standards and conventions.
As a result of the scarcity of textual data, natural language processing (NLP)
techniques have fared poorly in the health sector. A cause of death (COD) is
often determined by a verbal autopsy (VA) report in places without reliable
death registration systems. A non-clinician field worker does a VA report using
a set of standardized questions as a guide to uncover symptoms of a COD. This
analysis focuses on the textual part of the VA report as a case study to
address the challenge of adapting NLP techniques in the health domain. We
present a system that relies on two transfer learning paradigms of monolingual
learning and multi-source domain adaptation to improve VA narratives for the
target task of the COD classification. We use the Bidirectional Encoder
Representations from Transformers (BERT) and Embeddings from Language Models
(ELMo) models pre-trained on the general English and health domains to extract
features from the VA narratives. Our findings suggest that this transfer
learning system improves the COD classification tasks and that the narrative
text contains valuable information for figuring out a COD. Our results further
show that combining binary VA features and narrative text features learned via
this framework boosts the classification task of COD.
- Abstract（参考訳）: 南アフリカを含む多くの低所得国では、患者のプライバシーと機密ポリシーのために医療施設のデータアクセスが制限されている。
さらに、臨床データは個々の機関や研究室に特有のものであるため、データアノテーション基準や規約が不十分である。
テキストデータの不足により、自然言語処理(NLP)技術は、医療分野では不十分に進んでいる。
死因(COD)は、信頼できる死亡登録システムを持たない場所での口頭解剖(VA)報告によって決定されることが多い。
非クリニックのフィールドワーカーは、CODの症状を明らかにするためのガイドとして標準化された質問セットを使用してVAレポートを行う。
本分析は,健康領域におけるNLP技術導入の課題を解決するための事例研究として,VAレポートのテキスト部分に焦点を当てた。
単言語学習とマルチソースドメイン適応の2つの移行学習パラダイムを利用して,COD分類の対象課題に対するVAナラティブを改善するシステムを提案する。
我々は、トランスフォーマー(bert)からの双方向エンコーダ表現と、一般英語および健康ドメインで事前学習された言語モデル(elmo)モデルからの埋め込みを使用して、vaナラティブから特徴を抽出する。
その結果,この伝達学習システムはCOD分類作業を改善し,物語テキストにはCODの同定に有用な情報が含まれていることが示唆された。
さらに,本フレームワークを用いて学習したバイナリVA特徴と物語テキスト特徴を組み合わせることで,CODの分類作業が促進されることを示す。
関連論文リスト
- Contrastive Learning with Counterfactual Explanations for Radiology Report Generation [83.30609465252441]
放射線学レポート生成のためのtextbfCountertextbfFactual textbfExplanations-based framework (CoFE) を提案する。
反現実的な説明は、アルゴリズムによってなされた決定をどのように変えられるかを理解するための強力なツールとして、シナリオが何であるかを問うことによって役立ちます。
2つのベンチマークの実験では、反ファクト的な説明を活用することで、CoFEは意味的に一貫性があり、事実的に完全なレポートを生成することができる。
論文 参考訳（メタデータ） (2024-07-19T17:24:25Z) - From Narratives to Numbers: Valid Inference Using Language Model Predictions from Verbal Autopsy Narratives [5.730469631341288]
我々は、最先端のNLP技術を用いて、自由形式のテキストから予測された結果を用いた有効推論法を開発した。
我々は、COD予測に一連のNLP技術を活用し、VAデータの実証分析を通して、輸送可能性問題に対処するためのアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2024-04-03T03:53:37Z) - Adversarial Training For Low-Resource Disfluency Correction [50.51901599433536]
ディフルエンシ補正(DC)のための逆学習型シーケンスタグ付けモデルを提案する。
提案手法の利点は,3つのインド語でDCに対して評価することで,合成された非流動データに大きく依存することを示す。
また,本手法は,音声障害によって導入されたASR文字の破面的不一致の除去にも有効である。
論文 参考訳（メタデータ） (2023-06-10T08:58:53Z) - Vision-Language Modelling For Radiological Imaging and Reports In The
Low Data Regime [70.04389979779195]
本稿では,視覚および言語入力を共通空間に埋め込んだ医用視覚言語モデル(VLM)について検討する。
本稿では,新しい画像領域やテキスト領域への汎用事前学習モデルの適用など,低データ性能向上のためのいくつかの候補手法について検討する。
テキスト・ツー・イメージ検索をベンチマークとして,2つの胸部X線および放射線学的報告を用いた可変サイズのトレーニングデータセットを用いて,これらの手法の性能評価を行った。
論文 参考訳（メタデータ） (2023-03-30T18:20:00Z) - MedKLIP: Medical Knowledge Enhanced Language-Image Pre-Training in
Radiology [40.52487429030841]
医用医用視覚言語事前訓練を専門知識と組み合わせて行うことを検討する。
まず, 生の報告を直接処理する既存の作業とは異なり, 医療関連情報を抽出するために, 新規な三重項抽出モジュールを採用する。
第2に,医療分野における豊富な知識を活用するために,知識ベースを問合せすることで,エンティティ翻訳を伴う新しい三重項符号化モジュールを提案する。
第3に、トランスフォーマーを用いた融合モデルを用いて、画像パッチレベルでの実体記述と視覚信号との空間的整合を図り、診断を可能にすることを提案する。
論文 参考訳（メタデータ） (2023-01-05T18:55:09Z) - Summarizing Patients Problems from Hospital Progress Notes Using
Pre-trained Sequence-to-Sequence Models [9.879960506853145]
問題リストの要約には、臨床文書を理解し、抽象化し、生成するモデルが必要である。
当科では,入院時に提供者の進捗記録からの入力を用いて,患者の日常診療計画における問題点のリストを作成することを目的とした,新たなNLPタスクを提案する。
論文 参考訳（メタデータ） (2022-08-17T17:07:35Z) - Disentangled Learning of Stance and Aspect Topics for Vaccine Attitude
Detection in Social Media [40.61499595293957]
VADetと呼ばれるワクチンの姿勢検出のための新しい半教師付きアプローチを提案する。
VADetは、歪んだ姿勢とアスペクトトピックを学習することができ、スタンス検出とツイートクラスタリングの両方で、既存のアスペクトベースの感情分析モデルより優れています。
論文 参考訳（メタデータ） (2022-05-06T15:24:33Z) - Using Machine Learning to Fuse Verbal Autopsy Narratives and Binary
Features in the Analysis of Deaths from Hyperglycaemia [0.0]
中低所得国は、死因に関するデータ不足から生じる課題に直面している
言語解剖は、堅牢な死亡登録システムなしで、地域内のCODに関する情報を提供することができる。
本研究では,VAレポートの構造化要素と非構造化要素の両方を分析する際に,各種機械学習手法の性能を評価する。
論文 参考訳（メタデータ） (2022-04-26T09:14:11Z) - Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of
Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。
脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文 参考訳（メタデータ） (2022-04-10T21:46:52Z) - 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) - 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)
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。