Mar, 2023

应用自然语言处理技术自动提取接受放射治疗的患者病历中食管炎的存在和严重程度

PDF
TL;DR这篇论文使用自然语言处理技术从临床笔记中自动提取配合 CTCAE 指南的食管炎毒性严重程度，取得了让人满意的结果，为在扩展领域下基于 NLP 自动化详细毒性监测提供了切实可行的解决方案。
radiotherapynatural language processingesophagitistoxicityautomated monitoring
发现论文，激发创造
  • 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

  • 使用大型语言模型从医疗肿瘤学记录中提取详细的肿瘤学历史和治疗计划

    使用两节临床进展笔记为对象，设计了详细的标注方案，并评估了三个最近发布的大型语言模型 (GPT-4、GPT-3.5-turbo 和 FLAN-UL2) 对临床进展笔记中肿瘤学等细节信息的零 - shot 提取能力，结果显示 GPT-4 模型在复杂任务上表现最佳，能够从肿瘤学进展笔记中提取重要事实。

    Aug, 2023

  • 放射治疗症状提取的迭代式提示优化方法：基于教师 - 学生大语言模型

    利用大型语言模型（LLM）改进前列腺癌放疗症状提取的新型师生结构，Mixtral 作为学生模型，首先提取症状，然后利用 GPT-4 作为教师模型，根据 Mixtral 的表现优化提示，结果表明在提取单一和多症状笔记方面取得了显著改进，证明了 LLMs 在放射肿瘤学中先进提示工程的有效性。

    Feb, 2024

  • 大型语言模型用于细分 Barrett 食管诊断分类

    我们开发了一种通用的基于 Transformer 的方法来自动提取 Barrett 食管炎（BE）病理报告中的关键诊断表型，进行二元非典型增生分类和多类别 BE 相关诊断分类，通过使用临床预训练的大型语言模型，我们得到了与自定义规则系统相当的性能。

    Aug, 2023

  • 通过临床报告的情感分类评估牙齿和口腔问题的严重程度

    通过对放射科报告中的情感分析，开发了基于卷积神经网络和长短时记忆网络结构的深度学习模型，用于检测患者情况的严重程度，结果表明该模型在估计口腔和牙科疾病的严重程度方面表现最佳。

    Jan, 2024

  • 电子病历上乳腺癌表型 NLP 算法跨院评估

    本研究通过乳腺癌表型提取任务，评估了基于 BERT 的临床自然语言处理模型在不同临床设置下的普适性。结果表明，CancerBERT 模型具有最佳的学习能力和普适性，并且模型的普适性与样本之间的相似度有关。

    Mar, 2023

  • 使用 RoBERTa 和正则表达式从临床记录中提取牙周炎诊断

    利用文本处理和自然语言处理模型来挖掘临床笔记以诊断牙周炎，并评估命名实体识别模型在不同正则表达式方法上的性能。研究表明，随着正则表达式算法复杂度的增加，F1 分数从 0.3-0.4 增加到约 0.9。命名实体识别模型在评估指标中表现出优异的预测能力，简单的正则表达式方法达到 0.84-0.92，高级和组合方法达到 0.95-0.99。该研究以提供将命名实体识别方法和自然语言处理模型相结合从自由文本中提取目标信息并填补诊断遗漏的需求为例。

    Nov, 2023

  • 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

  • 利用自然语言处理从外科病理报告中提取和分类乳头状甲状腺癌特征

    ThyroPath 是一个基于规则的自然语言处理（NLP）流水线，可以自动提取和分类甲状腺癌病理报告的风险因素，并显示了在大规模上操作的潜力，并在人工提取病理信息方面实现了 100% 的准确性。

    May, 2024

  • 深度学习自动化从科技文献中提取肿瘤疗效终点的研究

    通过机器学习方法，我们开发并优化了一种从科学论文中提取疗效终点的框架，预测了与疗效终点相关的 25 个类别，并在测试集上取得了 96.4% 的高 F1 分数，对两个案例研究分别取得了 93.9% 和 93.7% 的分数，与科学专家的评估结果高度一致，为自动化提取临床终点的应用领域展示了巨大的潜力，以加速临床试验设计。

    Nov, 2023