ACLMay, 2021

利用放射学报告的深度表示进行生存分析，预测心衰患者死亡率

PDF
TL;DR本文提出一种使用 BERT 为基础的隐藏层的临床文本协变量来预测患者的生存状况的方法，并证明其在预测方面比预定义特征更加准确，并且在 C-index 和时间依赖的 AUC 方面优于之前的模型。
clinical textssurvival analysisbert-based hidden layer representationsproportional hazards modelspatient survival outcomes
发现论文，激发创造
  • 自监督上下文语言表征用于放射学报告，以提高通信紧急性识别

    本文利用 BERT 模型在无标注大语料库中预训练生成上下文表示，进而构建医学无标注文本的自监督学习模型提高判别医学报告的信息提示等级，并取得了显著性能优于 Word2vec 模型的效果。

    Dec, 2019

  • 叙事特征或结构特征？用大型语言模型识别存在心力衰竭风险的癌症患者的研究

    使用电子健康记录（EHR）以及传统机器学习、时间感知长短期记忆（T-LSTM）和大型语言模型（LLM）等机器学习模型，通过从结构化医学代码中提取的新颖叙述特征来识别存在心力衰竭（HF）风险的癌症患者，并发现大型语言模型 GatorTron-3.9B 在性能方面超过了传统支持向量机 39％、T-LSTM 深度学习模型 7％和广泛使用的变换器模型 BERT 5.6％，表明所提出的叙述特征显著提高了性能。

    Mar, 2024

  • 利用医学命名实体和多模态学习提高医院死亡率预测

    本研究旨在探究如何利用医疗自然语言处理技术，将临床文本与结构化临床数据相结合，建立多模态神经网络模型，实现对重症监护室患者住院死亡风险的预测。研究结果显示，相较于基准模型，本模型的 AUC 值提高了 2%。

    Nov, 2018

  • 多模态转换器：将临床记录与结构化电子病历数据融合，可解释的住院死亡率预测

    本论文提出一个新型的多模态变压器，用于融合医疗记录数据和医生的述职记录来预测住院死亡率，并使用可视化方法展示关键的医疗记录和医疗数据特征，进而提高了诊断的可解释性和预测的精度。

    Aug, 2022

  • 使用深度学习和胸部 CT 放射学特征进行自动化 5 年死亡率预测

    通过胸部计算机断层扫描和分割多种解剖结构的地图，提出使用分类器预测老年人 5 年死亡率的新方法。所提出的模型可在预防和个性化医疗方面产生深远影响。

    Jul, 2016

  • 提取和编码：利用大型语言模型和医学知识增强放射学文本表示

    通过提取高质量的事实陈述来改善文本编码器的表示并提高在各种下游任务中的性能，研究文章介绍了一种针对医学领域等专业领域中表征学习的新颖两阶段框架。

    Jul, 2024

  • 利用摘要指导进行医学报告摘要

    本研究提出了三个去识别化的医学文本数据集，命名为 DISCHARGE、ECHO 和 RADIOLOGY，共包含 50K、16K 和 378K 的报告和摘要对，作者在这些数据集上使用基于预训练编码器 - 解码器语言模型的有说服力的自动抽象摘要基线，并基于 BART 模型利用训练集的示例摘要作为先验知识引导来增强编码器和解码器的上下文表示，实验结果证实了这种方法在 ROUGE 分数和 BERTScore 上的改进，超过了更大模型 T5-large。

    Feb, 2023

  • 多语言结构化放射学报告的知识图谱嵌入

    我们引入了一种新颖的轻量级基于图的嵌入方法，特别适用于放射学报告，通过多语言 SNOMED 临床术语知识库连接报告中的医学术语，揭示了临床术语之间的潜在关系，实现了更好地理解和临床准确性的表示，而不依赖于大规模预训练数据集。我们展示了这种嵌入方法在 X 光报告的疾病分类和图像分类两个任务上的应用，并且相较于基于 BERT 的模型，在体积和训练数据需求方面要小得多。同时，我们展示了图嵌入方法如何利用跨模态知识传递，在不同语言之间具有可用性。

    Sep, 2023

  • 用神经文档嵌入对重症监护病房患者死亡风险进行预测

    本研究基于临床笔记的非结构化文本内容提出了一种自动死亡预测方案，通过卷积文档嵌入方法，相较于以往的潜在主题分布或通用的 doc2vec 嵌入方法，我们在 MIMIC-III 重症监护数据库上的实证研究表明获得了显著的性能提升，尤其是在术后死亡预测这一困难问题上。

    Dec, 2016

  • 利用聚合的大型语言模型集合保留长期临床文本的知识

    利用聚合集成的大型语言模型的新方法，能够保留长篇临床文本的知识，改善大型语言模型在处理长篇输入和多样化数据集时的性能，并在预测临床结果方面取得了比基线、集成和聚合方法更好的结果。

    Nov, 2023