EMNLPApr, 2022

PharmMT：神经机器翻译简化处方说明的方法

PDF
TL;DR提出了一个新的基于机器翻译的方法，PharmMT，用于将处方指示语言自动简化为患者友好的语言，从而显着减少药师的工作量。该系统对超过 530K 份处方进行了评估，达到了与药师生成的参考指示方向的 BLEU 得分为 60.27，相对于基于规则的归一化的 39.6％的相对改进。药剂师判断 94.3％的简化指示方向可以按原样或进行最小更改使用。这项工作展示了在现实生活中简化处方指示的机器翻译工具的可行性。
发现论文，激发创造
  • 基于神经网络的医学领域机器翻译 —— 基于欧洲药品管理局宣传单文本

    本研究探讨了不同的训练方法对用于医学数据的波兰 - 英语机器翻译系统的影响，使用欧洲药品管理局平行文本语料库作为神经和统计网络翻译系统训练的基础，并对主要机器翻译评估指标进行了分析。该研究的重点是比较和实施实时医学翻译器。

    Sep, 2015

  • 简化翻译的神经机器翻译

    这篇论文介绍了使用文本简化技术和神经机器翻译模型来提高深度学习翻译模型的学习能力，并通过实验验证了这种方法的有效性。

    Dec, 2016

  • 神经机器翻译的预翻译

    使用词汇短语转换（phrase-based machine translation）方法预处理输入，进而提升神经机器翻译（NMT）的翻译质量，在英德翻译任务中，使用该方法的性能跃升 2 个 BLEU 分数，同时分析了初始系统质量对最终结果的影响。

    Oct, 2016

  • PharmacyGPT：AI 药师

    通过评估 PharmacyGPT 在临床药学领域中的应用潜力和限制，并为未来的人工智能驱动医疗解决方案的发展提供有价值的见解，我们旨在促进人工智能在医疗环境中负责任且有效的使用。

    Jul, 2023

  • 利用神经机器翻译模型改善患者教育材料的健康素养

    本研究旨在利用自然语言处理技术自动翻译难懂的句子，从而提高患者教育材料的健康素养水平。该实验使用四个在线医疗健康信息网站上的患者教育材料，通过训练 Bidirectional Long Short-Term Memory（BiLSTM）NMT 模型、Bidirectional Encoder Representations from Transformers（BERT）-based NMT 模型，验证了 NMT 模型在翻译健康领域文本中的有效性。

    Sep, 2022

  • 无监督临床语言翻译

    为了提高病人与临床医生之间的沟通，通过表述学习、双语词典归纳和统计机器翻译等方法，使用一种完全无监督的框架来解决临床单词和句子翻译问题，可以最大限度地提高临床正确性和公众易读性。

    Feb, 2019

  • 医生对机器翻译中的临床危害的检测：质量估计有助于信赖和反向翻译发现关键错误

    机器翻译的实际应用中一个重要的挑战是用户缺乏决策指导，本文通过在高风险的医疗环境中模拟决策过程，评估了质量估计反馈对决策的影响，发现质量估计提高了适当依赖机器翻译的能力，但与仅使用质量估计相比，后翻译帮助医生发现了更多常常被质量估计忽视的临床上有害的错误。

    Oct, 2023

  • 调整基于短语的机器翻译以标准化社交媒体信息中的医学术语

    该研究通过使用机器翻译和词向量表示的技术，将社交媒体短语转化为医疗概念，从而监测社区中的健康情况，并在针对不良药物反应症状的推文集合上获得了高达 55％的性能提升。

    Aug, 2015

  • AutoMeTS：医学文本简化自动补全

    本研究研究了预训练神经语言模型在医疗领域文本简化中的应用，引入了一个包含对齐的英文维基百科与简单英文维基百科句子的新的平行医学数据集，并比较了四个 PNLM（BERT，RoBERTa，XLNet 和 GPT-2），并演示了如何将待简化的句子的附加上下文合并以实现更好的结果（相对最佳单独模型提高 6.17% 的绝对值）。同时，我们介绍了一个组合模型，它结合了四个 PNLM，并且比最佳单独模型表现出 2.1% 的优越性，使得整体单词预测准确率达到 64.52%。

    Oct, 2020

  • 机器之间的机器翻译：情感分类应用案例

    提出了一种神经机器翻译的方法，利用一种新的候选采样策略，基于强化学习技术提高翻译模型的机器导向性，从而产生最适合用作特定下游任务的自然语言处理组件输入的翻译结果，这种方法可以显著提高英文分类器对 Twitter 数据的情感分类的性能。

    Oct, 2019