論文の概要: Word Embedding Neural Networks to Advance Knee Osteoarthritis Research
- arxiv url: http://arxiv.org/abs/2212.11933v1
- Date: Thu, 22 Dec 2022 18:12:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 14:00:38.331486
- Title: Word Embedding Neural Networks to Advance Knee Osteoarthritis Research
- Title（参考訳）: 変形性膝関節症研究のための言葉埋め込みニューラルネットワーク
- Authors: Soheyla Amirian, Husam Ghazaleh, Mehdi Assefi, Hilal Maradit Kremers,
Hamid R. Arabnia, Johannes F. Plate, and Ahmad P. Tafti
- Abstract要約: 変形性関節症(OA)は世界中で最も多い慢性関節疾患であり、膝OAは一般的に影響を受ける関節の80%以上を占める。
大規模な科学文献の正確なテキストマイニングは、膝OAをよりよく理解するために、新しい知識と用語を発見する可能性がある。
- 参考スコア（独自算出の注目度）: 1.4511816961424293
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Osteoarthritis (OA) is the most prevalent chronic joint disease worldwide,
where knee OA takes more than 80% of commonly affected joints. Knee OA is not a
curable disease yet, and it affects large columns of patients, making it costly
to patients and healthcare systems. Etiology, diagnosis, and treatment of knee
OA might be argued by variability in its clinical and physical manifestations.
Although knee OA carries a list of well-known terminology aiming to standardize
the nomenclature of the diagnosis, prognosis, treatment, and clinical outcomes
of the chronic joint disease, in practice there is a wide range of terminology
associated with knee OA across different data sources, including but not
limited to biomedical literature, clinical notes, healthcare literacy, and
health-related social media. Among these data sources, the scientific articles
published in the biomedical literature usually make a principled pipeline to
study disease. Rapid yet, accurate text mining on large-scale scientific
literature may discover novel knowledge and terminology to better understand
knee OA and to improve the quality of knee OA diagnosis, prevention, and
treatment. The present works aim to utilize artificial neural network
strategies to automatically extract vocabularies associated with knee OA
diseases. Our finding indicates the feasibility of developing word embedding
neural networks for autonomous keyword extraction and abstraction of knee OA.
- Abstract（参考訳）: 変形性関節症(OA)は世界中で最も多い慢性関節疾患であり、膝OAは一般的に影響を受ける関節の80%以上を占める。
Knee OAはまだ治療可能な病気ではなく、多くの患者に影響を及ぼし、患者や医療システムに費用がかかる。
膝OAの成因, 診断, 治療は, 臨床および身体所見の多様性によって議論される可能性がある。
膝OAには、慢性関節疾患の診断、予後、治療、臨床結果の命名の標準化を目的とした、よく知られた用語の一覧があるが、実際には、医学文献、臨床ノート、医療リテラシー、健康関連ソーシャルメディアなど、さまざまなデータソースで膝OAに関連する幅広い用語が存在する。
これらのデータソースのうち、生物医学文献に掲載されている科学論文は通常、病気を研究するために原理化されたパイプラインを作る。
大規模な科学文献の正確なテキストマイニングは、膝OAの理解を深め、膝OAの診断、予防、治療の質を向上させるために、新しい知識や用語を発見する可能性がある。
本研究の目的は,人工ニューラルネットワークを用いて膝OA疾患に関連する語彙を自動的に抽出することである。
自動キーワード抽出と膝OAの抽象化のための単語埋め込みニューラルネットワークの実現可能性を示す。
関連論文リスト
- Synthesizing Bidirectional Temporal States of Knee Osteoarthritis
Radiographs with Cycle-Consistent Generative Adversarial Neural Networks [0.11249583407496219]
変形性膝関節症(KOA)の過去と将来の経過をX線写真で解析するために,CycleGANモデルを訓練した。
このモデルは, 将来の疾患状態において特に有効であり, 後期X線像を早期に遡及的に移行する異常な能力を示した。
論文 参考訳（メタデータ） (2023-11-10T00:15:00Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - 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) - Give me a knee radiograph, I will tell you where the knee joint area is:
a deep convolutional neural network adventure [5.92701972981462]
本研究は, 膝関節領域の自律的検出, 局所化, 分類のための高精度かつ効果的なパイプラインを提案する。
本研究は, 深層学習コンピュータビジョンコミュニティから, この実用的, 臨床的応用へのさらなる関心を喚起することが期待される。
論文 参考訳（メタデータ） (2022-02-11T00:46:37Z) - Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale
Deep Convolutional Neural Network [8.950918531231158]
本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。
提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
論文 参考訳（メタデータ） (2021-06-27T17:29:46Z) - Clinical Named Entity Recognition using Contextualized Token
Representations [49.036805795072645]
本稿では,各単語の意味的意味をより正確に把握するために,文脈型単語埋め込み手法を提案する。
言語モデル(C-ELMo)とC-Flair(C-Flair)の2つの深い文脈型言語モデル(C-ELMo)を事前訓練する。
明示的な実験により、静的単語埋め込みとドメインジェネリック言語モデルの両方と比較して、我々のモデルは劇的に改善されている。
論文 参考訳（メタデータ） (2021-06-23T18:12:58Z) - Unifying Relational Sentence Generation and Retrieval for Medical Image
Report Composition [142.42920413017163]
現在の手法は、個々のケースのデータセットバイアスにより、しばしば最も一般的な文を生成する。
テンプレート検索と文生成を一体化し、共通およびまれな異常に対処する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-09T04:33:27Z) - Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue
Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。
また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文 参考訳（メタデータ） (2020-12-22T13:20:23Z) - UmlsBERT: Clinical Domain Knowledge Augmentation of Contextual
Embeddings Using the Unified Medical Language System Metathesaurus [73.86656026386038]
事前学習プロセス中にドメイン知識を統合するコンテキスト埋め込みモデルであるUmlsBERTを紹介する。
これらの2つの戦略を適用することで、UmlsBERTは、臨床領域の知識を単語埋め込みにエンコードし、既存のドメイン固有モデルより優れている。
論文 参考訳（メタデータ） (2020-10-20T15:56:31Z) - Artificial Intelligence, speech and language processing approaches to
monitoring Alzheimer's Disease: a systematic review [5.635607414700482]
本稿では,アルツハイマー病の認知機能低下を予測するための人工知能,音声,言語処理の利用に関する現在の知見を要約する。
筆者らは2000年から2019年にかけて, PROSPEROに登録されたオリジナルの研究の体系的レビューを行った。
論文 参考訳（メタデータ） (2020-10-12T21:43:04Z) - A Lightweight CNN and Joint Shape-Joint Space (JS2) Descriptor for
Radiological Osteoarthritis Detection [2.3204178451683264]
関節形状と畳み込みニューラルネットワーク(CNN)に基づく骨テクスチャ機能を組み合わせた,完全自動化された新しい手法を提案する。
以上の結果から,RAC曲線(AUC)95.21%以下のX線学的変形性関節症検出領域において,形状とテクスチャパラメータを融合させることで,最先端の術式が達成できることが示唆された。
論文 参考訳（メタデータ） (2020-05-24T10:48:38Z)
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。