論文の概要: Using Large Pre-Trained Language Model to Assist FDA in Premarket Medical Device

• arxiv url: http://arxiv.org/abs/2212.01217v1
• Date: Thu, 3 Nov 2022 04:18:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 13:07:38.417769
• Title: Using Large Pre-Trained Language Model to Assist FDA in Premarket Medical Device
• Title（参考訳）: 大規模事前学習言語モデルを用いたプレマーケット医療機器のFDA支援
• Authors: Zongzhe Xu
• Abstract要約: 本稿では,FDA医療機器のマーケティングプロセスを支援する自然言語処理の可能性を提案する。 実際のデバイス記述は、CFRのFDA第21章に記載されているデバイス記述と一致して、対応するデバイスタイプを決定する。 FastTextのような事前学習された単語埋め込みと大規模な事前学習された文埋め込みモデルの両方を、デバイス記述の特徴付けの正確性に基づいて評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a possible method using natural language processing that might assist in the FDA medical device marketing process. Actual device descriptions are taken and matched with the device description in FDA Title 21 of CFR to determine their corresponding device type. Both pre-trained word embeddings such as FastText and large pre-trained sentence embedding models such as sentence transformers are evaluated on their accuracy in characterizing a piece of device description. An experiment is also done to test whether these models can identify the devices wrongly classified in the FDA database. The result shows that sentence transformer with T5 and MPNet and GPT-3 semantic search embedding show high accuracy in identifying the correct classification by narrowing down the correct label to be contained in the first 15 most likely results, as compared to 2585 types of device descriptions that must be manually searched through. On the other hand, all methods demonstrate high accuracy in identifying completely incorrectly labeled devices, but all fail to identify false device classifications that are wrong but closely related to the true label.
• Abstract（参考訳）: 本稿では,FDA医療機器のマーケティングプロセスを支援する自然言語処理の可能性を提案する。 実際のデバイス記述は、CFRのFDATitle21におけるデバイス記述と一致して、対応するデバイスタイプを決定する。 FastTextのような事前訓練された単語埋め込みと文変換器のような大規模な事前学習された文埋め込みモデルの両方を、デバイス記述の特徴付けの精度で評価する。 また、これらのモデルがFDAデータベースに不正に分類されたデバイスを識別できるかどうかをテストする実験も行われた。 その結果,t5,mpnet,gpt-3を用いた文トランスフォーマは,手作業で検索しなければならない2585種類のデバイス記述と比較して,第115の結果に含まれる正しいラベルを狭くすることで,正しい分類を識別する精度が高いことがわかった。 一方で、すべての手法は、完全に不正にラベル付けされたデバイスを特定する際に高い精度を示すが、誤りであるが真のラベルと密接な関係がある偽のデバイス分類を識別できない。

関連論文リスト

• InterBiasing: Boost Unseen Word Recognition through Biasing Intermediate Predictions [5.50485371072671]
  本手法は,ラベルの修正による中間CTC予測に代えて,誤認識対象キーワードの認識精度を向上させる。 日本語を用いた実験により,未知語に対するF1スコアの改善が得られた。
  論文  参考訳（メタデータ） (2024-06-21T06:25:10Z)
• DeviceBERT: Applied Transfer Learning With Targeted Annotations and Vocabulary Enrichment to Identify Medical Device and Component Terminology in FDA Recall Summaries [0.0]
  FDAのメディカルデバイスリコールは、重要かつ時間に敏感なイベントである。 手動でリコールアクションサマリーから関連するデバイス情報を抽出するのは時間を要する作業である。 本稿では,医療機器アノテーション,前処理,濃縮パイプラインである DeviceBERT を提案する。
  論文  参考訳（メタデータ） (2024-06-08T00:33:22Z)
• Alternative Pseudo-Labeling for Semi-Supervised Automatic Speech Recognition [49.42732949233184]
  ラベル付きデータが不十分な場合、擬似ラベル技術による半教師付き学習は自動音声認識の性能を大幅に向上させることができる。 損失関数のグラウンドトルースとしてノイズラベルを取ると、最適以下の性能が得られる。 そこで我々は,ノイズの多い擬似ラベル問題に対処するために,代替擬似ラベル方式という新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2023-08-12T12:13:52Z)
• MisRoB{\AE}RTa: Transformers versus Misinformation [0.6091702876917281]
  本稿では,誤情報検出のためのトランスフォーマーに基づくニューラルアンサンブルアーキテクチャを提案する。 MisRobaerTaは、分類性能を改善するために、2つのトランスフォーマー(BARTとRoBERTa)を利用する。 トレーニングとテストのために、私たちは10のクラスでラベル付けされた大規模な現実世界のニュース記事データセットを使用しました。
  論文  参考訳（メタデータ） (2023-04-16T12:14:38Z)
• End-to-End Page-Level Assessment of Handwritten Text Recognition [69.55992406968495]
  HTRシステムは、文書のエンドツーエンドのページレベルの書き起こしに直面している。 標準メトリクスは、現れる可能性のある不整合を考慮していない。 本稿では、転写精度とROの良さを別々に検討する2つの評価法を提案する。
  論文  参考訳（メタデータ） (2023-01-14T15:43:07Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)
• Token Classification for Disambiguating Medical Abbreviations [0.0]
  省略は避けられないが、医療テキストの重要な部分である。 標準化されたマッピングシステムの欠如は、曖昧な省略を困難かつ時間を要するタスクにする。
  論文  参考訳（メタデータ） (2022-10-05T18:06:49Z)
• Seamless Iterative Semi-Supervised Correction of Imperfect Labels in Microscopy Images [57.42492501915773]
  生体内試験は、医療機器の毒性に対する動物実験の代替手段である。 人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。 我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。 本手法は,物体検出に適応的な早期学習補正技術を提供する。
  論文  参考訳（メタデータ） (2022-08-05T18:52:20Z)
• Label Semantic Aware Pre-training for Few-shot Text Classification [53.80908620663974]
  テキスト分類システムの一般化とデータ効率を向上させるために,ラベルセマンティック・アウェア事前学習(LSAP)を提案する。 LSAPは、ラベル付き文の2次事前学習を行うことにより、ラベルセマンティクスを事前学習された生成モデル(T5)に組み込む。
  論文  参考訳（メタデータ） (2022-04-14T17:33:34Z)
• Conformal prediction for text infilling and part-of-speech prediction [0.549690036417587]
  そこで本研究では,テキスト埋込処理と音声のパート・オブ・音声予測のタスクに対して,帰納的共形予測アルゴリズムを提案する。 57,000以上の文を含むBrown Corpusを用いて,シミュレーションにおけるアルゴリズムの性能を解析した。
  論文  参考訳（メタデータ） (2021-11-04T02:23:05Z)
• Information-Theoretic Probing with Minimum Description Length [74.29846942213445]
  我々は,最小記述長 (MDL) を持つ情報理論探索法である標準プローブの代替案を提案する。 MDL Probingでは、ラベルを予測するためのプローブのトレーニングが、データを効果的に送信するための教えとして再キャストされる。 これらの手法は結果に一致し、標準プローブよりも情報的かつ安定であることを示す。
  論文  参考訳（メタデータ） (2020-03-27T09:35:38Z)

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。