Oct, 2022

从口述验尸报告中提高死因分类的准确性

PDF
TL;DR该研究针对医疗领域中的自然语言处理技术应用挑战，提出了一种通过转移学习来改进死因分类任务的方法，实验结果表明，将病程记录的文本信息作为特征来结合分类任务，可以有效提高死因诊断准确性。
natural language processinghealthcaretransfer learningcod classificationva narratives
发现论文，激发创造
  • 使用机器学习将口述验尸叙述和二进制特征融合在高血糖死亡分析中

    本研究旨在评估机器学习方法在分析结构化和非结构化叙述文本组成的言语验尸报告时的表现，结果表明文本特征对于确定死亡原因具有重要的信息价值，并且结合二进制和文本特征可以提高自动化 COD 分类任务的准确度。

    Apr, 2022

  • 从叙述到数字：利用语言模型推断言述性验尸报告中的预测

    该研究使用最先进的自然语言处理技术，开发了一种有效的方法，通过预测的自由文本结果从而进行推论，以处理公共卫生决策中的推断纠正问题。

    Apr, 2024

  • 口述尸检的概率死因分配

    通过使用口头尸检工具，本文开发了一种名为 InSilicoVA 的新的统计工具来确定死因，并展示了它相对于目前可用方法的明显优势，能够在未完成民事登记和关键统计系统的地区帮助评估死亡率和死因分布。

    Nov, 2014

  • 通过死因调查笔记中的注解不一致检测揭示误归因的自杀原因

    通过分析 NVDRS 的注释不一致性，我们采用了一种经验性的自然语言处理方法来检测问题实例，并采用了交叉验证的模式来识别出有问题的情况，结果显示将目标州的数据纳入训练自杀危机分类器可以使 F-1 得分提高 5.4%，对其他州的测试集得分则降低了 1.1%。最后，我们提出了一种 NLP 改进方案。

    Mar, 2024

  • 使用出院总结的自动 ICD 编码和分类系统的系统性文献综述

    该研究系统地回顾了 2010 年至 2020 年间使用自然语言处理、机器学习和深度学习等方法来帮助医生更准确、高效地对患者病历进行编码的研究，其中共筛选出 38 篇符合条件的文献，并提出了未来的研究方向。

    Jul, 2021

  • 利用大型语言模型对历史死因数据进行编码

    本研究探讨了使用预训练的生成型大语言模型 (GPT-3.5、GPT-4 和 Llama 2) 自动分配历史死因的 ICD-10 编码的可行性。研究结果显示，虽然 GPT-3.5、GPT-4 和 Llama 2 对于今天仍在使用的术语和短短的死因描述表现更好，但它们在历史 ICD-10 编码任务中的准确性仍然不足，建议进一步微调或采用其他框架以达到足够的性能。

    May, 2024

  • 深度神经网络用于过量死亡的细粒度监控

    通过深度学习命名实体识别模型，能够更准确地识别导致药物过量死亡的具体物质，进一步提高药物过量死亡监测的精确性。

    Feb, 2022

  • 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

  • 使用深度学习分析铁路事故叙述

    使用深度学习方法和强大的词嵌入来分类事故原因值，以及使用文本提取语义相关并帮助填写记述字段的主要原因的方法。

    Oct, 2018

  • 阿富汗武装冲突中的致命性分类文本数据分析：BERT 方法

    通过使用 ACLED 数据集以及基于 BERT 模型的机器学习技术，本研究旨在准确分类阿富汗武装冲突的死亡与非死亡结果，从而为资源分配、政策制定和人道援助等各个领域提供帮助，并为未来预测阿富汗事件严重性的努力铺平道路。

    Oct, 2023