May, 2020

关于 COVID-19 医疗对话生成的研究

PDF
TL;DR为了解决 COVID-19 期间在线咨询医生不及时的问题，我们开发了一种医学对话系统，该系统基于 Transformer，GPT 和 BERT-GPT 训练了几个对话生成模型，并使用迁移学习减轻数据缺乏的风险。自动和人工评估表明，这些模型生成的响应很有前途，类似于医生，并且与对话历史相关和具有临床信息。数据和代码可在提供的 https URL 中获得。
covid-19medical dialogue systemdialogue generation modelstransfer learningonline consultation
发现论文，激发创造
  • CDialog：针对实体感知的对话生成的多轮 Covid-19 对话数据集

    本文介绍了 COVID-19 疾病的多轮医疗对话数据集 CDialog，包含超过 1,000 个对话，带有七个医疗实体类别的注释，利用预训练的语言模型和医疗实体信息提高了自动生成医疗对话模型的响应质量。

    Nov, 2022

  • COVID-19 自动问答任务的语言模型质量评估

    本文利用 GPT-2 语言模型，结合 tf-idf、BERT、BioBERT、USE 四种过滤方法，开发了一款自动回答有关 COVID-19 的聊天机器人，并通过医学专家评估，发现 BERT 和 BioBERT 优于 tf-idf 和 USE，以提供正确、即时、有用的健康数据。同时，还创建了一款用户友好型的互动网络应用程序。

    Jun, 2020

  • 使用 BERT 和 GPT-2 进行 COVID-19 医疗研究文章的自动文本摘要

    我们利用预先训练的 NLP 模型 BERT 和 OpenAI GPT-2，通过对 COVID-19 开放研究数据集中的文本进行摘要来解决研究人员与快速增长出版物之间的差距，我们的模型提供了基于原始文章提取的关键词的抽象和综合信息，我们的工作可以帮助医学界通过提供简要摘要来处理那些摘要尚不可用的文章。

    Jun, 2020

  • MedDialog：两个大规模医学对话数据集

    本研究建立了两个大规模医疗对话数据集：MedDialog-EN 和 MedDialog-CN，它们分别包括英语和中文的病患与医生之间的对话，以帮助研究和开发医疗对话系统。这些数据集是迄今为止最大的医疗对话数据集。

    Apr, 2020

  • 基于越南社群的 COVID-19 问答的生成预训练变压器

    GPT-2 在越南基于社区的 COVID-19 问题回答中的应用取得了非常有希望的结果，超过了其他 SOTA 模型以及先前为越南开发的基于社区的 COVID-19 问题回答模型。

    Oct, 2023

  • 基于 Medically Aware GPT-3 的医学对话摘要数据生成器

    通过利用 GPT-3 作为算法骨干并采用低样本学习和集成方法，我们介绍了一种算法来创建合成训练数据，以明确关注捕捉医学相关信息，结果相当于采用 6400 个人标记的示例，能够制作出高质量的摘要，就医学准确性和连贯性而言，这种方法产生的摘要明显优于单纯使用人工标记数据进行训练的模型生成的摘要。

    Sep, 2021

  • COVID-Twitter-BERT：一个用于分析 Twitter 上 COVID-19 内容的自然语言处理模型

    该论文介绍了基于 transformer 的 COVID-Twitter-BERT 模型，通过对大量 Twitter 上有关 COVID-19 的消息进行预训练，该模型在五个不同的分类数据集上相较于 BERT-Large 基础模型提高了 10-30％，特别是在 COVID-19 内容（尤其是来自 Twitter 的社交媒体帖子）的分类中表现更突出，从而实现了优化。该模型可以用于文本分类、问答和聊天机器人等自然语言处理任务。

    May, 2020

  • Medical-VLBERT: COVID-19 CT 报告生成的医学视觉语言 BERT 与替代学习

    本文提出使用 Medical-VLBERT 模型自动检测 COVID-19 扫描中的异常区域，并根据检测到的区域自动生成医疗报告。通过知识预训练和转移学习等方法，可以产生更准确的报告。实验结果表明，该模型在 COVID-19 CT 数据集和 CX-CHR 数据集上取得了最先进的性能。

    Aug, 2021

  • GenSpectrum Chat: 使用大型语言模型在公共卫生中进行数据探索

    为了实现公共卫生机构、普通公众和研究人员轻松访问流行病学数据和科学见解，我们使用大型语言模型开发了聊天机器人 “GenSpectrum Chat”，以便探索 SARS-CoV-2 基因组测序数据，并让公众以不同语言的交互方式快速访问最新数据。

    May, 2023

  • DoctorGLM：细调您的中文医生并非力大无比的任务

    该研究旨在解决大型语言模型在医学领域的准确性问题，通过采集汉语医学对话数据库并使用一些技术训练了易于部署的的 ChatGLM-6B 模型，最终可以以较低的成本实现健康医疗目的的 LLM。

    Apr, 2023