論文の概要: Enhancing Clinical Evidence Recommendation with Multi-Channel Heterogeneous Learning on Evidence Graphs

• arxiv url: http://arxiv.org/abs/2304.01242v1
• Date: Mon, 3 Apr 2023 12:15:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 16:53:52.753109
• Title: Enhancing Clinical Evidence Recommendation with Multi-Channel Heterogeneous Learning on Evidence Graphs
• Title（参考訳）: マルチチャネル不均一学習によるエビデンスグラフを用いた臨床エビデンス勧告の強化
• Authors: Maolin Luo, and Xiang Zhang
• Abstract要約: 臨床エビデンスを推奨する目的は、医療従事者に意思決定プロセスを支援するための関連情報を提供することである。 特定の臨床的問題と関連するエビデンスとの直接的なつながりは、しばしば疎結合の課題となる。 これらの課題に対処するために、Evidence Co-Reference GraphとEvidence Text Graphという2つの知識グラフを定義します。
• 参考スコア（独自算出の注目度）: 4.672216806648563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Clinical evidence encompasses the associations and impacts between patients, interventions (such as drugs or physiotherapy), problems, and outcomes. The goal of recommending clinical evidence is to provide medical practitioners with relevant information to support their decision-making processes and to generate new evidence. Our specific task focuses on recommending evidence based on clinical problems. However, the direct connections between certain clinical problems and related evidence are often sparse, creating a challenge of link sparsity. Additionally, to recommend appropriate evidence, it is essential to jointly exploit both topological relationships among evidence and textual information describing them. To address these challenges, we define two knowledge graphs: an Evidence Co-reference Graph and an Evidence Text Graph, to represent the topological and linguistic relations among evidential elements, respectively. We also introduce a multi-channel heterogeneous learning model and a fusional attention mechanism to handle the co-reference-text heterogeneity in evidence recommendation. Our experiments demonstrate that our model outperforms state-of-the-art methods on open data.
• Abstract（参考訳）: 臨床証拠には、患者の関連や影響、介入(薬物や理学療法など)、問題、結果が含まれる。 臨床エビデンスを推奨する目標は、医療従事者に意思決定プロセスを支援するための関連する情報を提供し、新たな証拠を生み出すことである。 具体的なタスクは、臨床問題に基づくエビデンスを推奨することに集中します。 しかし、特定の臨床的問題と関連する証拠との直接的なつながりは、しばしば疎結合の課題となる。 また、適切な証拠を推薦するには、証拠間のトポロジカルな関係とそれらを記述するテキスト情報の両方を共同利用することが不可欠である。 これらの課題に対処するために,エビデンス共参照グラフとエビデンステキストグラフという2つの知識グラフを定義し,各要素間のトポロジ的および言語的関係を表現する。 また,エビデンス・レコメンデーションにおける共参照テキストの不均質性を扱うために,多チャンネル不均質学習モデルと融合注意機構を提案する。 実験により,オープンデータ上での最先端手法に勝ることを示す。

関連論文リスト

• Enhancing Biomedical Knowledge Discovery for Diseases: An Open-Source Framework Applied on Rett Syndrome and Alzheimer's Disease [28.68816381566995]
  原文から直接特定の疾患に関する知識を構築するために設計されたオープンソースのフレームワークを紹介する。 疾患関連知識発見の研究を容易にするために、Rett症候群とアルツハイマー病に焦点を当てた2つの注釈付きデータセットを作成しました。
  論文  参考訳（メタデータ） (2024-07-18T13:20:53Z)
• What Appears Appealing May Not be Significant! -- A Clinical Perspective of Diffusion Models [1.6317061277457001]
  本研究は, 異なる病態の合成ポリープ画像の臨床的意義を評価するための戦略について検討する。 質的結果と臨床関連性との関係について検討した。
  論文  参考訳（メタデータ） (2024-07-14T00:06:12Z)
• Visual Commonsense based Heterogeneous Graph Contrastive Learning [79.22206720896664]
  視覚的推論タスクをより良く仕上げるための異種グラフコントラスト学習法を提案する。 本手法はプラグイン・アンド・プレイ方式として設計されており,多種多様な代表手法と迅速かつ容易に組み合わせることができる。
  論文  参考訳（メタデータ） (2023-11-11T12:01:18Z)
• Unleashing Potential of Evidence in Knowledge-Intensive Dialogue Generation [37.29386687125705]
  知識集約対話生成(u-EIDG)におけるエビデンスを効果的に統合する枠組みを提案する。 具体的には,Large Language Models (LLM) のパワーを活用し,ラベルのないデータから信頼性のあるエビデンスラベルを抽出する自動エビデンス生成フレームワークを提案する。 これらのエビデンスラベルを利用することで、検索されたパスから関連するエビデンスを効果的に識別する信頼性のあるエビデンス指標をトレーニングする。
  論文  参考訳（メタデータ） (2023-09-15T13:13:30Z)
• K-Diag: Knowledge-enhanced Disease Diagnosis in Radiographic Imaging [40.52487429030841]
  医用領域知識の指導による視覚表現の訓練を可能にする知識強化フレームワークを提案する。 まず、専門家の知識を明示的に取り入れるために、医療知識グラフの神経表現を学ぶことを提案する。 第二に、ビジュアルエンコーダのトレーニング中に、知識エンコーダのパラメータを凍結させ、効率的な適応のためのプロンプトベクトルのセットを学ぶことを提案する。
  論文  参考訳（メタデータ） (2023-02-22T18:53:57Z)
• 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)
• A Multi-Level Attention Model for Evidence-Based Fact Checking [58.95413968110558]
  シーケンス構造をトレーニング可能な,シンプルなモデルを提案する。 Fact extract and VERification のための大規模データセットの結果、我々のモデルはグラフベースのアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-02T05:40:12Z)
• CREATe: Clinical Report Extraction and Annotation Technology [53.731999072534876]
  臨床症例報告は、特定の臨床症例の特異な側面を記述した記述である。 これらのレポートを注釈付け、インデックス付け、あるいはキュレートするエンドツーエンドシステムを開発する試みはない。 本稿では,新たな計算資源プラットフォームを提案し,臨床事例レポートの内容の抽出,索引付け,照会を行う。
  論文  参考訳（メタデータ） (2021-02-28T16:50:14Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)

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。