Feb, 2022

运用自然语言处理技术，让医学研究论文更易于医疗消费者理解

PDF
TL;DR通过自然语言处理，介绍了一种新的交互式界面 Paper Plain，该界面包含四个功能，可为医学文献的阅读提供完善的辅助功能，包括生词释义、平易近人的章节概括以及相关问题，研究表明使用 Paper Plain 的参与者在阅读和理解医学文献方面相比于传统格式的 PDF 阅读器有更容易的体验而且不会降低理解难度，该研究成果表明，向读者提供相关章节引导并提供医学文献的中英文互译摘要可以使得阅读医学文献更加轻松，鼓励读者更多地接触这些文献。
healthcare consumersmedical papersinteractive interfaceplain language summariesnatural language processing
发现论文，激发创造
  • 语义阅读器项目: AI 动力交互式阅读界面增强学术文献

    本研究提出通过 AI 和 HCI 技术实现更智能、互动和无障碍的阅读界面，同时介绍 Semantic Reader 项目，它通过自动创建动态阅读界面，提高了学者的阅读体验。

    Mar, 2023

  • 生物医学科学评论的自动化普通语言摘要

    本文介绍了一个新的自动生成生物医学科学综述文献简化版的任务，并通过分析各种挑战，实验和评估，展示了使用现代神经架构自动生成的简化版摘要可以达到良好的质量和可读性。

    Dec, 2020

  • 医疗文本的段落级简化

    本研究探讨了如何应用语言模型来改进医学文本的简化，提出了一种基于似然分数的新度量标准，并对编码器解码器模型的新方法进行了评估，同时建立了一些语料库。

    Apr, 2021

  • 与论文对话：将神经问答引入学术搜索

    Talk to Papers 是一个利用开放领域问答技术改进学术搜索的工具，支持研究人员使用自然语言查询来查找学术论文并提取信息，通过针对标准问答数据集的改进和提供协作数据收集工具，为学术界贡献了自然语言处理研究问答数据集。

    Apr, 2020

  • 利用自然语言处理实现文本摘要：叙事性文献综述

    本文是一篇关于使用自然语言处理技术生成简化版摘要的研究综述，发现基于 transformer 的方法如 BERT 和 PEGASUS 在生成 lay text summarisation 方面相对优秀，并建议采用抽取式和生成式相结合的混合方法，并开发一些新的评估指标以确保 lay summary 更易读。

    Mar, 2023

  • 研究与读者之间的桥梁：一种多模态自动学术论文解读系统

    我们引入了一个开源的多模态自动学术论文解读系统（MMAPIS），通过三个步骤，包括 LLMs 来增强其功能：首先，我们利用混合模态的预处理和对齐模块来提取纯文本、表格或图像；然后根据所属章节的名称对这些信息进行对齐，确保具有相同章节名称的数据被归类到同一节下；接下来，我们采用分层的话语感知摘要方法，利用提取的章节名称将文章分割成较短的文本段落，通过具体提示使用 LLMs 进行节内和节间的摘要；最后，我们设计了四种类型的多样化用户界面，包括论文推荐、多模态问答、音频广播和解释博客，广泛适用于各种场景。我们的定性和定量评估突出了系统的优越性，尤其在科学摘要中，它胜过仅依赖 GPT-4 的解决方案。

    Jan, 2024

  • NapSS：通过叙述提示和句子匹配摘要实现段落级医学文本简化

    该研究提出了一种名为 NapSS 的自动文本简化方法，采用基于句子匹配的摘要生成和提取式摘要相结合的策略来帮助医学领域的非专业人士更好地理解专业文献，相对于基准策略，在保持原始叙述连贯性的同时提高了文本简化的词汇和语义相似性，实验结果表明该方法可以更有效地提高非专业人士的阅读效率。

    Feb, 2023

  • SciLit: 一种联合科学文献发现、摘要和引用生成平台

    SciLit 是一个自动推荐相关论文、提取摘要、 建议引文的流水线，可提供文学发现和科学写作的辅助工具。

    Jun, 2023

  • 医学摘要普通语言适应数据集

    为了让公众可靠理解庞大的医学文献，本研究提出了通过深度学习算法自动适应平民语言版本的解决方案，同时为了保证适应的准确性，首先需要建立一个金标准数据集，而为了解决目前现有的数据集相互不对齐及小试验集的问题，本研究建立了第一个均已手动适配的数据集，并使用最新的深度学习方法进行了基准测试。

    Oct, 2022

  • 通过数据中心的自然语言处理技术 连接医学术语和通俗理解以供患者教育

    通过自动生成普通语言释义的方式，将医学术语简化为患者友好的语言，以解决电子健康记录中医学术语对患者理解的困扰，并证明开源手机友好型模型在高质量数据的训练和优化下，能够匹敌甚至超越 ChatGPT 等巨型语言模型，在患者教育和患者中心化医疗解决方案方面，填补了知识差距。

    Dec, 2023