論文の概要: Comparing Knowledge Source Integration Methods for Optimizing Healthcare Knowledge Fusion in Rescue Operation

• arxiv url: http://arxiv.org/abs/2510.09223v1
• Date: Fri, 10 Oct 2025 10:10:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:48.685882
• Title: Comparing Knowledge Source Integration Methods for Optimizing Healthcare Knowledge Fusion in Rescue Operation
• Title（参考訳）: リハビリテーションにおける医療知識融合の最適化のための知識源統合手法の比較
• Authors: Mubaris Nadeem, Madjid Fathi,
• Abstract要約: 本稿では,知識グラフ構造に基づく医学分野における知識融合の概念モデルを提案する。 知識融合をどのように有効にするか、そして、救助活動のための知識グラフに様々な知識ソースを統合する方法について評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the field of medicine and healthcare, the utilization of medical expertise, based on medical knowledge combined with patients' health information is a life-critical challenge for patients and health professionals. The within-laying complexity and variety form the need for a united approach to gather, analyze, and utilize existing knowledge of medical treatments, and medical operations to provide the ability to present knowledge for the means of accurate patient-driven decision-making. One way to achieve this is the fusion of multiple knowledge sources in healthcare. It provides health professionals the opportunity to select from multiple contextual aligned knowledge sources which enables the support for critical decisions. This paper presents multiple conceptual models for knowledge fusion in the field of medicine, based on a knowledge graph structure. It will evaluate, how knowledge fusion can be enabled and presents how to integrate various knowledge sources into the knowledge graph for rescue operations.
• Abstract（参考訳）: 医療・医療の分野では、医療知識と患者の健康情報を組み合わせた医療専門知識の利用は、患者や医療専門家にとって生命にとって重要な課題である。 内在する複雑さと多様性は、医療の既存の知識を収集し、分析し、活用するための統一的なアプローチと、正確な患者主導の意思決定の方法に関する知識を提供するための医療活動の必要性を形作る。 これを実現する方法の1つは、医療における複数の知識ソースの融合である。 医療専門家は、複数の文脈に整合した知識ソースから選択する機会を提供し、批判的な決定を支援することができる。 本稿では,知識グラフ構造に基づく医療分野における知識融合に関する複数の概念モデルを提案する。 知識融合をどのように有効にするか、そして、救助活動のための知識グラフに様々な知識ソースを統合する方法について評価する。

関連論文リスト

• Lingshu: A Generalist Foundation Model for Unified Multimodal Medical Understanding and Reasoning [57.873833577058]
  医療知識の豊富なマルチモーダルデータセットを構築した。 次に医学専門のMLLMであるLingshuを紹介します。 Lingshuは、医療専門知識の組み込みとタスク解決能力の向上のために、マルチステージトレーニングを行っている。
  論文  参考訳（メタデータ） (2025-06-08T08:47:30Z)
• Reviewing Clinical Knowledge in Medical Large Language Models: Training and Beyond [17.18909853414425]
  臨床知識は現実の医療実践において広く研究されている。 この種の知識を大規模言語モデルに統合することを目的とした研究努力が顕著に増加した。 臨床知識をトレーニングベース、KG支援、RAG支援LSMに組み込むための様々な取り組みについてレビューする。
  論文  参考訳（メタデータ） (2025-02-28T12:00:51Z)
• Towards Omni-RAG: Comprehensive Retrieval-Augmented Generation for Large Language Models in Medical Applications [21.534794098692842]
  大規模言語モデルは、医学診断推論、研究知識獲得、臨床意思決定、消費者健康調査支援など、医療上の課題に取り組むことを約束している。 様々なソースの属性に合わせてコンテキストに適したクエリを定式化することを目的として,この課題に対処する。 既存のアプローチは、ソース計画を見落としているか、モデルがソースと実際のコンテンツに対する期待を誤っているため、効果的にそれを達成することができないかのいずれかである。
  論文  参考訳（メタデータ） (2025-01-05T07:03:14Z)
• MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway Encoding [48.348511646407026]
  本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。 このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
  論文  参考訳（メタデータ） (2024-03-11T10:57:45Z)
• Knowledge-injected Prompt Learning for Chinese Biomedical Entity Normalization [6.927883826415262]
  本稿では,バイオメディカルエンティティ正規化(BEN)課題に取り組むために,知識注入型プロンプト学習(PL-Knowledge)手法を提案する。 具体的には、候補エンティティマッチング、知識抽出、知識符号化、知識注入、予測出力の5段階からなる。 医療機関に含まれる知識項目を効果的に符号化することにより、追加の知識は、医療機関間の潜伏関係を捕捉するモデルの能力を高める。
  論文  参考訳（メタデータ） (2023-08-23T09:32:40Z)
• A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [59.4999994297993]
  この総合的なレビューは、医療知識グラフ(HKG)の現状の概要を提供することを目的としている。 我々は,既存のHKGに関する文献を網羅的に分析し,その構築方法,活用技術,応用について考察した。 このレビューは、HKGsが生物医学研究や臨床実践に大きな影響を与える可能性を強調している。
  論文  参考訳（メタデータ） (2023-06-07T21:51:56Z)
• MD-Manifold: A Medical-Distance-Based Representation Learning Approach for Medical Concept and Patient Representation [6.795388490479779]
  医療分析タスクのための医療概念を表現するには、医療領域の知識と事前のデータ情報を統合する必要がある。 MD-Manifoldは,医療概念と患者表現に対する新しいアプローチを提案する。 これには、重要な医療領域の知識と事前のデータ情報を統合するための、新しいデータ拡張アプローチ、コンセプト距離メトリック、および患者と患者のネットワークが含まれる。
  論文  参考訳（メタデータ） (2023-04-30T18:58:32Z)
• Towards Medical Artificial General Intelligence via Knowledge-Enhanced Multimodal Pretraining [121.89793208683625]
  医療人工知能(MAGI)は、1つの基礎モデルで異なる医療課題を解くことができる。 我々は、Micical-knedge-enhanced mulTimOdal pretRaining (motoR)と呼ばれる新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-04-26T01:26:19Z)

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。