Fugu-MT 論文翻訳(概要): Cross-lingual German Biomedical Information Extraction: from Zero-shot to Human-in-the-Loop

論文の概要: Cross-lingual German Biomedical Information Extraction: from Zero-shot to Human-in-the-Loop

arxiv url: http://arxiv.org/abs/2301.09908v1
Date: Tue, 24 Jan 2023 10:35:28 GMT
ステータス: 処理完了
システム内更新日: 2023-01-25 14:02:34.322728
Title: Cross-lingual German Biomedical Information Extraction: from Zero-shot to Human-in-the-Loop
Title（参考訳）: 言語横断型ドイツ生物医学情報抽出--ゼロショットからヒューマン・イン・ザ・ループへ
Authors: Siting Liang and Mareike Hartmann and Daniel Sonntag
Abstract要約: まず,この問題を解決するために,トランスファーラーニングとアクティブラーニングに応用された戦略について述べる。本稿では,対話型環境におけるモデル検査とユーザアノテーション獲得の両立を目的としたユーザインタフェースの設計について論じる。
参考スコア（独自算出の注目度）: 8.584932159968002
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents our project proposal for extracting biomedical information from German clinical narratives with limited amounts of annotations. We first describe the applied strategies in transfer learning and active learning for solving our problem. After that, we discuss the design of the user interface for both supplying model inspection and obtaining user annotations in the interactive environment.
Abstract（参考訳）: 本稿では,ドイツ臨床物語からバイオメディカル情報を少量の注釈で抽出するプロジェクトを提案する。まず,この問題を解決するために,トランスファーラーニングとアクティブラーニングの応用戦略について述べる。その後,インタラクティブ環境におけるモデルインスペクション提供とユーザアノテーション取得の両面において,ユーザインタフェースの設計について検討する。

関連論文リスト

LIMIS: Towards Language-based Interactive Medical Image Segmentation [58.553786162527686]
LIMISは、最初の純粋言語に基づく対話型医療画像分割モデルである。我々は、Grounded SAMを医療領域に適応させ、言語に基づくモデルインタラクション戦略を設計する。 LIMISを3つの公開医療データセット上で,パフォーマンスとユーザビリティの観点から評価した。
論文参考訳（メタデータ） (2024-10-22T12:13:47Z)
A Course Shared Task on Evaluating LLM Output for Clinical Questions [49.78601596538669]
本稿では,健康関連臨床問題に対する有害な回答を生成するために,LLM(Large Language Models)の出力を評価することに焦点を当てた。課題設計について考察し,学生からのフィードバックを報告する。
論文参考訳（メタデータ） (2024-07-31T19:24:40Z)
Biomedical Entity Linking for Dutch: Fine-tuning a Self-alignment BERT Model on an Automatically Generated Wikipedia Corpus [2.4686585810894477]
本稿では,オランダ語におけるバイオメディカルエンティティリンクモデルについて述べる。オントロジーにリンクしたオランダの生物医学的実体を文脈でウィキペディアから抽出した。以上の結果から,英語以外の言語でリンクする生物医学的実体はいまだに困難であることが示唆された。
論文参考訳（メタデータ） (2024-05-20T10:30:36Z)
LLMs Accelerate Annotation for Medical Information Extraction [7.743388571513413]
本稿では,LLM(Large Language Models)と人間の専門知識を組み合わせた手法を提案する。医療情報抽出タスクにおいて,我々の手法を厳格に評価し,我々のアプローチが人的介入を大幅に削減するだけでなく,高い精度を維持していることを示す。
論文参考訳（メタデータ） (2023-12-04T19:26:13Z)
FRASIMED: a Clinical French Annotated Resource Produced through Crosslingual BERT-Based Annotation Projection [0.6116681488656472]
本稿では,言語横断的アノテーション投影による注釈付きデータセットの翻訳版を生成する手法を紹介する。本報告では,フランスにおける2'051の合成臨床症例からなる注釈コーパスであるFRASIMED(Francial Annotated Resource with Semantic Information for Medical Detection)の作成について述べる。
論文参考訳（メタデータ） (2023-09-19T17:17:28Z)
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)
Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
本稿では,Re$3$Writer法を提案する。本手法が患者の退院指示生成に有効であることを示す。
論文参考訳（メタデータ） (2022-10-23T16:34:39Z)
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)
JaMIE: A Pipeline Japanese Medical Information Extraction System [21.20869161512695]
本稿では,医療機関間の医療・時間的関係を調査するための新しい関係アノテーションスキーマを提案する。我々は,医療機関の認識,実体の分類,関係抽出のための3つの要素からなるパイプラインシステムを設計する。
論文参考訳（メタデータ） (2021-11-08T03:54:09Z)
CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文参考訳（メタデータ） (2021-06-15T12:25:30Z)
Clinical Text Summarization with Syntax-Based Negation and Semantic Concept Identification [22.556855536939878]
我々は、人間の専門家によるバイオメディカル知識ベースを用いた計算言語学を用いて、解釈可能かつ有意義な臨床テキスト要約を実現する。本研究の目的は, バイオメディカルオントロジーを意味情報と共に利用し, 言語階層構造, 選挙区木を活かして, 正しい臨床概念とそれに対応する否定情報を同定することである。
論文参考訳（メタデータ） (2020-02-29T22:15:15Z)

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。