Fugu-MT 論文翻訳(概要): BioBERT Based SNP-traits Associations Extraction from Biomedical Literature

論文の概要: BioBERT Based SNP-traits Associations Extraction from Biomedical Literature

arxiv url: http://arxiv.org/abs/2308.02569v1
Date: Thu, 3 Aug 2023 09:40:27 GMT
ステータス: 処理完了
システム内更新日: 2023-08-08 19:56:12.336916
Title: BioBERT Based SNP-traits Associations Extraction from Biomedical Literature
Title（参考訳）: BioBERTによるSNP-traits Associationsのバイオメディカル文献からの抽出
Authors: Mohammad Dehghani, Behrouz Bokharaeian, Zahra Yazdanparast
Abstract要約: SNP特性関連を同定するためにBioBERT-GRU法を提案する。 SNPPhenAデータセット上での本手法の評価から,本手法は従来の機械学習法や深層学習法よりも優れていると結論付けた。
参考スコア（独自算出の注目度）: 0.5273676920837106
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Scientific literature contains a considerable amount of information that provides an excellent opportunity for developing text mining methods to extract biomedical relationships. An important type of information is the relationship between singular nucleotide polymorphisms (SNP) and traits. In this paper, we present a BioBERT-GRU method to identify SNP- traits associations. Based on the evaluation of our method on the SNPPhenA dataset, it is concluded that this new method performs better than previous machine learning and deep learning based methods. BioBERT-GRU achieved the result a precision of 0.883, recall of 0.882 and F1-score of 0.881.
Abstract（参考訳）: 科学文献には、バイオメディカルな関係を抽出するテキストマイニング手法を開発するための優れた機会を提供する、かなりの量の情報が含まれている。重要な情報の1つは特異ヌクレオチド多型(snp)と形質の関係である。本稿では,SNP特性関連を同定するBioBERT-GRU法を提案する。 SNPPhenAデータセット上での本手法の評価から,本手法は従来の機械学習法や深層学習法よりも優れていると結論付けた。 BioBERT-GRUは0.883の精度、0.882のリコール、0.881のF1スコアを達成した。

関連論文リスト

Augmenting Biomedical Named Entity Recognition with General-domain Resources [47.24727904076347]
ニューラルネットワークに基づくバイオメディカル名前付きエンティティ認識(BioNER)モデルのトレーニングは通常、広範囲でコストのかかる人的アノテーションを必要とする。 GERBERAは、一般ドメインのNERデータセットをトレーニングに利用した、単純なyet効率の手法である。我々は,81,410インスタンスからなる8つのエンティティタイプの5つのデータセットに対して,GERBERAを体系的に評価した。
論文参考訳（メタデータ） (2024-06-15T15:28:02Z)
Multi-objective Representation for Numbers in Clinical Narratives Using CamemBERT-bio [0.9208007322096533]
本研究の目的は,医学文献から抽出した数値を7つの生理カテゴリーに分類することである。キーワード埋め込みをモデルに統合し、数に依存しない戦略を採用する、という2つの主要なイノベーションを紹介します。従来のF1スコア0.89を上回り,CamemBERT-bioの有効性を著しく改善した。
論文参考訳（メタデータ） (2024-05-28T01:15:21Z)
Diversifying Knowledge Enhancement of Biomedical Language Models using Adapter Modules and Knowledge Graphs [54.223394825528665]
我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
論文参考訳（メタデータ） (2023-12-21T14:26:57Z)
Improving Biomedical Entity Linking with Retrieval-enhanced Learning [53.24726622142558]
$k$NN-BioELは、トレーニングコーパス全体から同様のインスタンスを予測のヒントとして参照する機能を備えたBioELモデルを提供する。 k$NN-BioELは、いくつかのデータセットで最先端のベースラインを上回ります。
論文参考訳（メタデータ） (2023-12-15T14:04:23Z)
BioREx: Improving Biomedical Relation Extraction by Leveraging Heterogeneous Datasets [7.7587371896752595]
生物医学的関係抽出(RE)は、生物医学的自然言語処理(NLP)研究における中心的な課題である。本稿では、個々のデータセットのデータの均一性を体系的に解決し、それらを大きなデータセットに組み合わせるための新しいフレームワークを提案する。評価の結果,BioRExは個々のデータセットでトレーニングしたベンチマークシステムよりも大幅に高い性能を示すことがわかった。
論文参考訳（メタデータ） (2023-06-19T22:48:18Z)
Application of Transformers based methods in Electronic Medical Records: A Systematic Literature Review [77.34726150561087]
本研究は,異なるNLPタスクにおける電子カルテ(EMR)のトランスフォーマーに基づく手法を用いて,最先端技術に関する体系的な文献レビューを行う。
論文参考訳（メタデータ） (2023-04-05T22:19:42Z)
Drug Synergistic Combinations Predictions via Large-Scale Pre-Training and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文参考訳（メタデータ） (2023-01-14T15:07:43Z)
Benchmarking for Biomedical Natural Language Processing Tasks with a Domain Specific ALBERT [9.8215089151757]
A Lite Bidirectional Representations from Transformers (ALBERT) のドメイン固有の適応であるBioALBERTを提案する。バイオメディカルおよびPubMed Centralおよび臨床コーパスをトレーニングし、20のベンチマークデータセットで6つのタスクを微調整する。これは、20のベンチマークデータセットのうち17の領域で、新たな最先端技術を表している。
論文参考訳（メタデータ） (2021-07-09T11:47:13Z)
Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文参考訳（メタデータ） (2021-02-11T09:04:45Z)
Investigation of BERT Model on Biomedical Relation Extraction Based on Revised Fine-tuning Mechanism [2.8881198461098894]
BERTモデルの微調整過程における層全体の利用法について検討する。さらに解析により,BERTモデルの最後の層から関係性に関する重要な知識を学習できることが示唆された。
論文参考訳（メタデータ） (2020-11-01T01:47:16Z)
Extracting Concepts for Precision Oncology from the Biomedical Literature [5.622771295091645]
本稿では,生物医学研究論文から精度オンコロジーに関する概念を抽出するための,初期データセットと自動自然言語処理(NLP)手法について述べる。標準的な二重アノテーションの手順に従って250のバイオメディカル抽象化のコーパスにこれらの概念を付加した。最高性能モデルは63.8%、リコールは71.9%、F1は67.1だった。
論文参考訳（メタデータ） (2020-09-30T19:31:04Z)

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。