Sep, 2022

基于语言的慢性疼痛检测及专家协作文本摘要的框架

PDF
TL;DR通过大规模语言模型进行句子级别分类以准确诊断疼痛的亚型，同时利用基于方面的方法生成专家干预的患者采访摘要。
chronic painneuropathic painfibromyalgiapainpointsfacet-based approach
发现论文，激发创造
  • 患者对其疾病症状的描述是什么？利用人工辅助标记进行深度多标签文本分类，自动标记患者自述问题

    本文探讨了由美国 FDA 所重视的临床和研究背景中患者报告的问题，结合一个包含 17 万个 PwPs（Parkinson's with Patients）在线开放式问答中的人工日志，从中分类临床相关的症状，并使用一个基于规则的语言字典和 NLP 技术的专家短语查询系统来缩放注释，最后构建了一个基于 Keras-TensorFlow 的多标签文本分类模型，通过在测试集上的 F1-score 达到了 95％以上。

    May, 2023

  • 构建临床自然语言处理任务的分层注释：进展笔记理解

    该研究介绍了一个分层注释架构，通过三个阶段来解决临床文本理解、临床推理和摘要等问题，从而创造出一个基于公开可用的日常记录数据集的注释语料库，以训练和评估未来的 NLP 模型。

    Apr, 2022

  • 二阶段联邦表型分类和患者表征学习

    我们开发了一种基于联邦自然语言处理的方法，能够利用来自不同医院或诊所的临床笔记，改进特定临床任务的质量，并促进整个医疗保健系统的知识进步。这是联邦机器学习在临床自然语言处理中的第一次应用。

    Aug, 2019

  • 利用自然语言处理从临床叙述中识别谵妄症状

    研究使用自然语言处理技术从电子健康记录中提取谵妄症状，形成专家组分类繁多的症状，构建谵妄语料库，从临床记述中提取谵妄症状，比较 5 种现有模型，GatorTron F1 得分最好。该研究为谵妄的可计算表型和诊断方法的未来发展奠定了基础。

    Mar, 2023

  • PULSAR: 基于提取的医疗术语的预训练，用于患者问题和数据增广的黑盒大型语言模型摘要

    本文提出了一种整合了两个互补组件的方法，其中一个使用大型语言模型为数据增强，另一个则使用新颖的预训练目标作为诊断和问题清单的生成模型，其表现在 BioNLP 2023 共享任务 1A 上名列第二。

    Jun, 2023

  • 基于大规模语言与混合自然语言处理模型的医生笔记高通量表型分析

    用大型语言模型和混合 NLP 模型（将词向量与机器学习分类器相结合）高准确度地进行医生笔记的高通量特征化，从而让大型语言模型成为医生笔记的高通量深度特征化的首选方法。

    Mar, 2024

  • 使用递归卷积神经网络对神经心理测试叙事转录中的句子进行分割

    该研究通过使用循环卷积神经网络与韵律、词性等特征及单词嵌入，提出了一种自动句子分割方法，用于帮助机器自动识别语言障碍性痴呆疾病患者的语言，获得了比条件随机场模型更好的结果，为自动话语分析工具的发展提供了一定的参考。

    Oct, 2016

  • 从临床对话中提取症状及其状态

    该研究开发了两种新型深度学习模型，基于医疗文本数据集，旨在从临床会话中提取症状信息，针对模型性能进行全面评估，为医疗提供辅助应用方向。

    Jun, 2019

  • 利用先进自然语言处理和伪标签自动评分临床病人笔记

    该研究引入了最先进的自然语言处理技术（具体为掩蔽语言建模预训练）和伪标记的方法，以应对临床病历评估的挑战，提高效率和性能，并改变临床病历评估的潜力。

    Jan, 2024

  • 使用自然语言处理方法识别具有高急危重症风险的肿瘤患者临床记录

    本研究使用自然语言处理技术，比较了深度学习模型和手动工程化语言特征模型，在使用自由文本格式预测急性护理使用风险上的表现，结果表明，使用结构化健康数据模型能够最小限度地胜过 NLP 模型。

    Sep, 2022