論文の概要: En-ViMedNER: An English-Vietnamese Parallel Biomedical Corpus with UMLS Semantic Type Annotations

• arxiv url: http://arxiv.org/abs/2608.29890v1
• Date: Sun, 30 Aug 2026 16:40:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.099253
• Title: En-ViMedNER: An English-Vietnamese Parallel Biomedical Corpus with UMLS Semantic Type Annotations
• Title（参考訳）: En-ViMedNER:UMLSセマンティック型アノテーションを用いた英語ベトナムのパラレルバイオメディカルコーパス
• Abstract要約: 本稿では,UMLSセマンティックタイプを付加した最初の英語-ベトナム語並列生物医学NERコーパスであるEn-ViMedNERについて述べる。 コーパスには、PubMed 4,392の抽象ペア、44,892の英語-ベトナム語文ペア、202,949の整列エンティティ-メントペアが含まれる。 本研究では,En-ViMedNERを,人間監査およびコンセンサス補正されたミニテストサブセットを備えた大規模銀標準コーパスとして特徴付ける。
• 参考スコア（独自算出の注目度）: 8.997884931358152
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Biomedical Named Entity Recognition (NER) is fundamental to healthcare AI applications, including clinical decision support and medical information extraction. While corpora with Unified Medical Language System (UMLS) annotations, such as MedMentions, have driven progress in English biomedical NER, no comparable resource exists for Vietnamese. This paper presents En-ViMedNER, the first English-Vietnamese parallel biomedical NER corpus annotated with UMLS semantic types, which are language-neutral codes providing a shared cross-lingual label space and ensuring direct comparability with existing UMLS-based resources. The corpus contains 4,392 PubMed abstract pairs, 44,892 English-Vietnamese sentence pairs, and 202,949 aligned entity-mention pairs across 21 semantic types adapted from the MedMentions ST21pv dataset. To balance quality and scalability, we have constructed the corpus through automatic translation, expert post-editing, LLM-assisted label projection, and human verification and adjudication. We characterize En-ViMedNER as a large-scale silver-standard corpus with a human-audited and consensus-corrected mini-test subset. We evaluate En-ViMedNER in two settings: (i) Vietnamese-input/Vietnamese-output biomedical NER and (ii) English-input/Vietnamese-output cross-lingual NER. For Vietnamese NER, we benchmark Vietnamese-supervised encoder models, English-supervised multilingual encoder models, and prompt-based LLMs. The best model achieves an F1 score of 52.70 on the test set and 53.78 on the mini-test set. For cross-lingual NER, we benchmark encoder-decoder models and prompt-based LLMs. The best model achieves an F1 score of 45.44 on the mini-test set. We publicly release our corpus, corpus construction pipeline, and baseline models to facilitate future Vietnamese biomedical NLP research.
• Abstract（参考訳）: バイオメディカルネームドエンティティ認識(NER)は、臨床診断支援や医療情報抽出を含む、医療AI応用の基礎である。 MedMentionsのようなUnified Medical Language System (UMLS)アノテーションを用いたコーパスは、英国のバイオメディカルNERの進歩を促しているが、ベトナムに匹敵する資源は存在しない。 本稿では,共用言語間ラベル空間を提供する言語ニュートラルコードであり,既存のUMLSベースのリソースとの直接的な互換性を確保するために,UMLSセマンティックタイプを付加した最初の英語-ベトナム語パラレルバイオメディカルNERコーパスであるEn-ViMedNERを提案する。 コーパスは、4,392のPubMed抽象ペア、44,892の英語-ベトナム語文ペア、MedMentions ST21pvデータセットから適応された21のセマンティックタイプにまたがる202,949のエンティティ-メントペアを含む。 品質とスケーラビリティのバランスをとるため、自動翻訳、専門家による後編集、LSM支援ラベルプロジェクション、人間による検証と判断によってコーパスを構築した。 本研究では,En-ViMedNERを,人間監査およびコンセンサス補正されたミニテストサブセットを備えた大規模銀標準コーパスとして特徴付ける。 我々はEn-ViMedNERを2つの設定で評価する。 一 ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム人、ベトナム (ii)英語-input/Vietnamese-outputクロスランガルNER。 ベトナムのNERでは、ベトナム語の教師付きエンコーダモデル、英語の教師付き多言語エンコーダモデル、およびプロンプトベースのLLMをベンチマークする。 ベストモデルは、テストセットで52.70点、ミニテストセットで53.78点を達成する。 言語間NERでは、エンコーダデコーダモデルとプロンプトベースのLLMをベンチマークする。 ベストモデルは、ミニテストセットで45.44のF1スコアを達成する。 我々は,ベトナムのバイオメディカルNLP研究を促進するためのコーパス,コーパス構築パイプライン,ベースラインモデルを公開している。

関連論文リスト

• ClinicalEncoder26AM: A Multlilingual Diagnosable ColBERT Model; Evidences from the MultiClinNER Shared Task [1.6904475483445454]
  ClinicalEncoder26AMは、臨床およびバイオメディカルテキストのための多言語診断可能なColBERTである。 患者症状, 障害, 手術スパンに対するBIOタグを微調整し, マルチClinNER共有タスクにおけるモデルの評価を行った。
  論文  参考訳（メタデータ） (2026-05-27T14:20:45Z)
• ViMedCSS: A Vietnamese Medical Code-Switching Speech Dataset & Benchmark [7.798521826811972]
  コードスイッチング(英語: Code-switching, CS)とは、ベトナム語が薬物名や手続きなどの英語の言葉を使用する場合である。 現在の自動音声認識システムは、ベトナム語の文の中で正しい英語の医学用語を認識するのに苦労している。 この研究はベトナムの医療コードスイッチングのための最初のベンチマークを提供する。
  論文  参考訳（メタデータ） (2026-02-13T13:17:16Z)
• Multilingual LLM Prompting Strategies for Medical English-Vietnamese Machine Translation [7.238888652441979]
  医療用英語-ベトナム語機械翻訳(En-Vi MT)は、ベトナムにおける医療アクセスとコミュニケーションに不可欠である。 我々は,MedEVデータセット上で6つの多言語LLM(0.5B-9Bパラメータ)のプロンプト戦略を評価する。
  論文  参考訳（メタデータ） (2025-09-19T06:06:36Z)
• MedQARo: A Large-Scale Benchmark for Medical Question Answering in Romanian [50.767415194856135]
  ルーマニア初の大規模医療QAベンチマークであるMedQARoを紹介する。 がん患者に関連する102,646のQAペアからなる高品質で大規模なデータセットを構築した。
  論文  参考訳（メタデータ） (2025-08-22T13:48:37Z)
• BiMediX2: Bio-Medical EXpert LMM for Diverse Medical Modalities [46.684778713683976]
  BiMediX2はバイリンガル(アラビア語-英語)のバイオメディカル・エクスパート・大型マルチモーダルモデルである。 テキストベースおよび画像ベースの医療インタラクションをサポートする。 アラビア語と英語で複数回会話できる。
  論文  参考訳（メタデータ） (2024-12-10T18:59:35Z)
• Towards Evaluating and Building Versatile Large Language Models for Medicine [57.49547766838095]
  MedS-Benchは大規模言語モデル(LLM)の性能を臨床的に評価するためのベンチマークである。 MedS-Benchは、臨床報告の要約、治療勧告、診断、名前付きエンティティ認識、医療概念説明を含む、11のハイレベルな臨床タスクにまたがる。 MedS-Insは58の医療指向言語コーパスで構成され、112のタスクで1350万のサンプルを収集している。
  論文  参考訳（メタデータ） (2024-08-22T17:01:34Z)
• Medical Spoken Named Entity Recognition [18.348129901298652]
  医療領域における最初の音声NERデータセットであるVietMed-NERを紹介する。 我々の知る限り、ベトナムの現実世界のデータセットは、エンティティの型数に関する世界最大のNERデータセットである。
  論文  参考訳（メタデータ） (2024-06-19T08:39:09Z)
• Towards Building Multilingual Language Model for Medicine [54.1382395897071]
  6つの主要言語を含む約25.5Bトークンを含む多言語医療コーパスを構築した。 MMedBench と呼ばれる有理性を持つ多言語医療用多言語質問応答ベンチマークを提案する。 我々の最終モデルであるMMed-Llama 3は、8Bパラメータしか持たないが、MMedBenchおよび英語ベンチマークの他のすべてのオープンソースモデルと比較して優れた性能が得られる。
  論文  参考訳（メタデータ） (2024-02-21T17:47:20Z)
• BiMediX: Bilingual Medical Mixture of Experts LLM [90.3257333861513]
  英語とアラビア語の両方でシームレスに相互作用するように設計された、最初のバイリンガル医療混合物であるBiMediXを紹介する。 我々のモデルは、英語とアラビア語の幅広い医学的相互作用を促進し、さらに詳細を問い合わせるマルチターンチャットを含む。 そこで我々は,高品質な翻訳を保証するために,人間の洗練を図った英語からアラビア語への半自動翻訳パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-02-20T18:59:26Z)
• Customizing General-Purpose Foundation Models for Medical Report Generation [64.31265734687182]
  ラベル付き医用画像-レポートペアの不足は、ディープニューラルネットワークや大規模ニューラルネットワークの開発において大きな課題となっている。 本稿では,コンピュータビジョンと自然言語処理の基盤モデル (FM) として,市販の汎用大規模事前学習モデルのカスタマイズを提案する。
  論文  参考訳（メタデータ） (2023-06-09T03:02:36Z)
• Enriching Biomedical Knowledge for Low-resource Language Through Translation [1.6347851388527643]
  我々は、英語・ベトナム語における最先端翻訳モデルを用いて、事前訓練されたデータとバイオメディカル領域における教師付きデータの両方を翻訳し、生成する。 このような大規模な翻訳のおかげで、高品質な公開コーパスから2000万の抽象化に基づいてトレーニングされた、事前訓練されたデコーダ変換モデルであるViPubmedT5を導入する。
  論文  参考訳（メタデータ） (2022-10-11T16:35:10Z)
• 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)
• A Multilingual Neural Machine Translation Model for Biomedical Data [84.17747489525794]
  生物医学領域におけるテキストの翻訳に使用できる多言語ニューラルマシン翻訳モデルをリリースする。 このモデルは5つの言語(フランス語、ドイツ語、イタリア語、韓国語、スペイン語)から英語に翻訳できる。 ドメインタグを使用して、大量のジェネリックおよびバイオメディカルデータをトレーニングする。
  論文  参考訳（メタデータ） (2020-08-06T21:26:43Z)

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。