論文の概要: Knowledge-augmented Graph Neural Networks with Concept-aware Attention for Adverse Drug Event Detection

• arxiv url: http://arxiv.org/abs/2301.10451v1
• Date: Wed, 25 Jan 2023 08:01:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-26 15:36:39.628733
• Title: Knowledge-augmented Graph Neural Networks with Concept-aware Attention for Adverse Drug Event Detection
• Title（参考訳）: 逆薬物事象検出のための概念認識型知識強化グラフニューラルネットワーク
• Authors: Shaoxiong Ji and Ya Gao and Pekka Marttinen
• Abstract要約: 副作用薬物イベント(ADEs)は、薬物の安全性の重要な側面である。 さまざまな文献にはADEに関する豊富な情報が含まれている。 近年,テキストからのADE検出を自動化するために,単語埋め込みとディープラーニングに基づく自然言語処理を適用している。 本稿では,グラフ内のノードの種類によって異なる特徴を学習する,概念認識型アテンション機構を提案する。
• 参考スコア（独自算出の注目度）: 7.503465651514011
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adverse drug events (ADEs) are an important aspect of drug safety. Various texts such as biomedical literature, drug reviews, and user posts on social media and medical forums contain a wealth of information about ADEs. Recent studies have applied word embedding and deep learning -based natural language processing to automate ADE detection from text. However, they did not explore incorporating explicit medical knowledge about drugs and adverse reactions or the corresponding feature learning. This paper adopts the heterogenous text graph which describes relationships between documents, words and concepts, augments it with medical knowledge from the Unified Medical Language System, and proposes a concept-aware attention mechanism which learns features differently for the different types of nodes in the graph. We further utilize contextualized embeddings from pretrained language models and convolutional graph neural networks for effective feature representation and relational learning. Experiments on four public datasets show that our model achieves performance competitive to the recent advances and the concept-aware attention consistently outperforms other attention mechanisms.
• Abstract（参考訳）: 副作用(ADE)は薬物の安全性の重要な側面である。 バイオメディカル文学、薬物レビュー、ソーシャルメディアや医療フォーラムでのユーザー投稿など様々なテキストにはADEに関する情報が豊富に含まれている。 近年,テキストからのADE検出を自動化するために,単語埋め込みとディープラーニングに基づく自然言語処理を適用している。 しかし、薬物や副作用やそれに対応する特徴学習に関する明確な医学的知識を取り入れようとはしなかった。 本稿では, 文書, 単語, 概念間の関係を記述した異種テキストグラフを導入し, 統一医療言語システムから医療知識を付加し, グラフ内の異なる種類のノードの特徴を異なる形で学習する概念認識型注意機構を提案する。 さらに、事前訓練された言語モデルと畳み込みグラフニューラルネットワークの文脈的埋め込みを利用して、効率的な特徴表現と関係学習を行う。 4つの公開データセットの実験により、我々のモデルは最近の進歩と競合する性能を達成し、概念認識の注意は他の注意機構よりも一貫して優れていることが示された。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis [48.84443450990355]
  ディープネットワークは、医学的なスキャンに適用すると、例外のない状況で失敗することが多いため、自然画像の解析において広く成功している。 胸部X線や皮膚病変画像の文脈において、異なる病院から採取したデータや、性別、人種などの人口統計学的変数によって構築されたデータなど、ドメインシフトに対するモデル感度に焦点をあてる。 医学教育からインスピレーションを得て,自然言語で伝達される明示的な医学知識を基盤としたディープネットワークを提案する。
  論文  参考訳（メタデータ） (2024-05-23T17:55:02Z)
• Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
  本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。 特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。 また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
  論文  参考訳（メタデータ） (2024-04-27T05:03:42Z)
• MLIP: Enhancing Medical Visual Representation with Divergence Encoder and Knowledge-guided Contrastive Learning [48.97640824497327]
  本稿では、画像テキストのコントラスト学習を通じて、言語情報を視覚領域に統合するための案内信号として、ドメイン固有の医療知識を活用する新しいフレームワークを提案する。 我々のモデルには、設計した分散エンコーダによるグローバルコントラスト学習、局所トークン・知識・パッチアライメントコントラスト学習、知識誘導型カテゴリレベルのコントラスト学習、エキスパートナレッジによるコントラスト学習が含まれる。 特に、MLIPは、限られた注釈付きデータであっても最先端の手法を超越し、医療表現学習の進歩におけるマルチモーダル事前学習の可能性を強調している。
  論文  参考訳（メタデータ） (2024-02-03T05:48:50Z)
• Representing visual classification as a linear combination of words [0.0]
  視覚分類タスクの言語ベースの記述子を識別するために,視覚言語モデルを用いた説明可能性戦略を提案する。 画像とテキストの間に予め訓練された結合埋め込み空間を利用することで,新しい分類課題を単語の線形結合として推定する。 その結果,ドメイン特化言語訓練の欠如にもかかわらず,結果として得られた記述子は臨床知識とほぼ一致していることが判明した。
  論文  参考訳（メタデータ） (2023-11-18T02:00:20Z)
• Descriptive Knowledge Graph in Biomedical Domain [26.91431888505873]
  本稿では,バイオメディカルコーパスから情報文や記述文を自動的に抽出し,生成する新しいシステムを提案する。 接続されていない経路を検索する従来の検索エンジンや探索システムとは異なり,本システムは記述文をグラフとして整理する。 新型コロナウイルス研究における本システムの適用に着目し,薬物再資源化や文献キュレーションなどの分野における実用性について考察した。
  論文  参考訳（メタデータ） (2023-10-18T03:10:25Z)
• Improving Medical Dialogue Generation with Abstract Meaning Representations [26.97253577302195]
  医療対話生成は、患者への医療専門知識の普及を促進することで遠隔医療において重要な役割を担っている。 既存の研究は、テキストのセマンティクスを表現する能力に制限があるテキスト表現を取り入れることに焦点を当てている。 本稿では、抽象的意味表現(AMR)を用いて、言語構成員や医療機関の役割を記述したグラフィカルな表現を構築する。
  論文  参考訳（メタデータ） (2023-09-19T13:31:49Z)
• Align, Reason and Learn: Enhancing Medical Vision-and-Language Pre-training with Knowledge [68.90835997085557]
  本稿では,3つの視点から構造化された医療知識を高めるための体系的かつ効果的なアプローチを提案する。 まず、視覚エンコーダと言語エンコーダの表現を知識を通して整列する。 次に,多モード融合モデルに知識を注入し,入力画像とテキストの補足として知識を用いた推論を可能にする。 第3に、知識によって引き起こされるプレテキストタスクを設計することで、画像やテキストの最も重要な情報に重点を置くよう、モデルを指導する。
  論文  参考訳（メタデータ） (2022-09-15T08:00:01Z)
• Contrastive Brain Network Learning via Hierarchical Signed Graph Pooling Model [64.29487107585665]
  脳機能ネットワーク上のグラフ表現学習技術は、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を容易にする。 本稿では,脳機能ネットワークからグラフレベル表現を抽出する階層型グラフ表現学習モデルを提案する。 また、モデルの性能をさらに向上させるために、機能的脳ネットワークデータをコントラスト学習のために拡張する新たな戦略を提案する。
  論文  参考訳（メタデータ） (2022-07-14T20:03:52Z)
• Representation Learning for Networks in Biology and Medicine: Advancements, Challenges, and Opportunities [18.434430658837258]
  我々は,ネットワークを用いたモデリング,分析,学習への表現学習技術の急速な拡大を目の当たりにした。 本論では,ネットワーク生物学と医学の長年の原則が,表現学習の概念的基盤を提供できるという見解を述べる。 位相的特徴を利用してネットワークをコンパクトなベクトル空間に埋め込むアルゴリズムアプローチのスペクトルを合成する。
  論文  参考訳（メタデータ） (2021-04-11T00:20:00Z)
• Benchmark and Best Practices for Biomedical Knowledge Graph Embeddings [8.835844347471626]
  SNOMED-CT知識グラフ上に,いくつかの最先端知識グラフ埋め込みモデルを学習する。 本稿では,バイオメディカル知識表現の学習に知識グラフのマルチリレーショナルな性質を活用することの重要性を論じる。
  論文  参考訳（メタデータ） (2020-06-24T14:47:33Z)

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。