通过医患对话数据集,使用基于 Transformer 的TAScore 注意力评分函数与 Fusedmax 投影方法相结合,提高了自动抽取对话中药品用法及频率等信息的模型的最大公共子串 F1 值。
Oct, 2020
本文介绍了一种新的建模方法 MedFilter,以解决从医患对话中提取相关信息的任务。该方法有效提高了识别和分类任务相关话语的性能,并在下游的信息提取任务中取得了显著的改进。
本文介绍了一种从临床笔记的自由文本中自动提取药物变化信息的方法,并用 Contextual Medication Event Dataset (CMED) 数据集识别药物提及。并提出了三种基于 BERT 的高性能系统来解决注释的药物变化特性。研究表明,所提出的系统可以提高药物变化分类性能。
Aug, 2022
该研究提出一种基于医疗对话的药物推荐方法,使用自然语言处理技术结合病历数据,构建了一个高质量的医疗对话数据集 DIALMED, 并提出了 DDN 模型和 QA 对话图机制,有效考虑了各种因素的影响,实现了医患对话中对药物的智能推荐。
Feb, 2022
本研究提出了一种基于电子病历利用混合多变量限制玻尔兹曼机和医疗领域知识提取分组治疗方案的数据驱动框架,并以冠状动脉疾病为实际案例进行实验。结果表明,该框架有助于协助医生进行临床决策。
Jun, 2018
探索了 MedTem 项目中利用深度学习和大型语言模型(LLM)进行医疗信息从 EMR 中提取和分类的效果,并对不同字嵌入技术进行了研究。在医疗实体识别任务中,CNN-BiLSTM 模型优于 BiLSTM-CRF 模型,分别达到了 75.67,77.83 和 78.17 的 Macro Average 精确度,召回率和 F1 分数。BERT-CNN 模型在 i2b2-2012 挑战的时间关系提取测试集上表现也较好,分别达到了 64.48,67.17 和 65.03 的 Macro Average P/R/F1 分数。
Oct, 2023
研究开发了自然语言处理(NLP)系统,用于从临床叙述中提取上下文药物信息,证明大型转换模型的优势。
Mar, 2023
本文介绍医药对话系统中首个含药品内容的口语语音语料库 PxSLU,包含 4 小时法语对话数据,可用于此领域的研究和开发。
Jul, 2022
本文介绍了我们在 MEDIQA-Chat 2023 共享任务中对于从医生 - 患者对话自动生成临床笔记的提交。我们报道了两种方法的结果:第一种微调共享任务数据上的预训练语言模型(PLM),第二种使用大型语言模型(LLM)进行少量样本的上下文学习(ICL)。两种方法在自动指标(如 ROUGE,BERTScore)上均实现了高性能,并分别排名共享任务的二和一位。专业人士的审查表明,通过基于 ICL 的方法和 GPT-4 生成的笔记与人工书写的笔记一样受欢迎,这使其成为从医生 - 患者对话自动生成笔记的有前途的途径。
May, 2023
设计了一个基于患者和药物特征的全面药物推荐系统,将数据从多个数据库中整合为一个患者和药物信息的数据集,其中使用了人工智能模型、自然语言处理方法和推荐系统算法进行数据建模,通过药物相互作用、患者条件和药物特征生成了基于矩阵分解的模型,构建了基于规则的知识库系统。
Dec, 2022