KDDJul, 2019

癌症中心患者实验室检测代码嵌入表示的评估

PDF
TL;DR通过对 80000 名癌症中心病人的电子病历中的 LOINC 代码进行 Word2Vec 和 GloVe 的嵌入表示训练，研究了实验室检测结果在电子健康档案中的重要作用及其对死亡预测的影响，同时探讨了等级性属性的保留问题。
electronic health recordlab test outcomesembedding representationsloinc codesmortality prediction
发现论文，激发创造
  • 用于患者表征的深度规范化嵌入

    本文介绍了一种新的对比表示学习目标和训练方案，针对临床时间序列。该方法能将高维的医疗记录数据投影到低维的封闭单位球上，以编码几何先验，从而学习患者的死亡风险和器官功能，该方法可用于在线患者监测，并可提供临床医生的决策支持和改进下游机器学习任务的性能。

    Apr, 2022

  • 临床自然语言处理中嵌入技术综述

    本文是一篇关于临床自然语言处理中嵌入表示法的全面调查研究，讨论了各种医学语料库及其特征、医学编码、流行嵌入模型的概述和比较，并将临床嵌入表示划分为九类，并详细讨论每种嵌入类型，探讨临床嵌入表示法中的各种挑战及可能的解决方案和未来研究方向。

    Mar, 2019

  • 从大规模多模态医学数据中学习的临床概念嵌入

    使用大规模多模态医疗数据集，本文提出了一种新的 cui2vec 医疗概念词嵌入模型，并通过统计功率法进行了评估，结果表明该模型在大多数情况下相对于之前的方法具有最先进的性能。

    Apr, 2018

  • 嵌入能否充分代表医学术语？新的大规模医学术语相似性数据集有答案！

    通过自动创建的大规模医学术语相似性数据集，我们证实了当代嵌入向量对于医疗术语的语义相似性表达受到限制，并提出了具有挑战性的新的基准数据集，以便开发能够准确表示整个医学术语的医学嵌入向量。

    Mar, 2020

  • 利用医疗概念丰富无监督用户嵌入

    本研究提出了一种概念感知的无监督用户嵌入方法，结合来自 MIMIC-III 和 Diabetes 两个临床语料库的文本文档和医学概念，用于疾病诊断和病人特征研究等领域，实验证明该方法的性能明显优于现有的无监督方法。

    Mar, 2022

  • 生物医学自然语言处理的词嵌入比较

    本文探讨了使用不同的资源如临床笔记、生物医学出版物、维基百科和新闻训练的词嵌入，经过定性和定量评估后发现，基于临床笔记和生物医学出版物训练的词嵌入能更好地捕捉医学术语的语义，更接近于专家的判断，但是，无法为所有下游生物医学 NLP 任务提供一致的全局排名，只能将它们作为额外特征来提高大多数下游任务的结果。

    Feb, 2018

  • 基于临床记录抽取的不同表征模型评估死亡率预测

    本研究基于 Transformers 预训练的语言表示学习方法，将特定医学记录中的信息提取，映射到标准词汇中，并在医院死亡预测任务中测试不同输入格式的性能，结果表明使用提取的唯一概念和标准名称作为输入可以获得更好的性能。

    Jul, 2022

  • 具备时间感知的医疗概念嵌入

    本研究使用连续词袋模型和注意力机制以及加入时间信息的方法进行医疗代码嵌入，实验结果表明该方法明显优于五种现有的基准模型。

    Jun, 2018

  • 医学概念的多层表示学习

    本研究提出了一种基于电子病历数据的的 Med2Vec 方法，通过学习医学代码和访问的分布式表示形式，利用序列访问顺序和访问内部代码的共现关系提供临床医生可验证的基础， 在关键医学应用中显示出与流行基线（如 Skip-gram、GloVe 和堆叠自动编码器）相比的显着改进。

    Feb, 2016

  • Snomed2Vec: 面向医疗保健分析的临床知识库的随机游走与 Poincaré 嵌入

    使用基于图的表示学习方法在 SNOMED-CT 上学习医学概念的嵌入向量，可用于生物医学任务。结果表明，基于 SNOMED-CT 的概念嵌入在概念相似性和患者诊断方面 5-6 倍和 6-20％ 的改进相对于最新的嵌入方法。

    Jul, 2019