May, 2023

KNSE: 一种知识感知的自然语言推理框架，用于对话症状状态识别

PDF
TL;DR针对医学对话中的症状诊断问题，本文提出了一种基于 KNSE 模型的症状状态识别 (SSR) 框架，通过将 SSR 作为自然语言推理任务进行建模，并利用 BERT 模型对知识、猜测和意见进行编码，然后通过模块进行预测，实现了更好的定位和追踪症状状态，从而提高了症状状态识别的性能。基于中文医学对话数据集的初步实验表明，KNSE 模型在跨疾病和跨症状情况下优于之前的基准模型。
symptom diagnosisknsenatural language inferencebert modelmedical dialogue
发现论文，激发创造
  • 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

  • 基于知识增强的医疗对话信息提取的两阶段生成框架

    本文提出了一种知识增强的两阶段生成框架（KTGF）来从医学对话中提取术语 - 状态对（MD-TSPE），以解决生成方法在集成先验知识、建模术语关系和推断术语状态方面存在的挑战。本方法在综合生成形式中通过任务特定提示完成 MD-TSPE，并在全训练和低资源环境中实现了优于现有模型的结果。

    Jul, 2023

  • 自动诊断的端到端知识路由关系对话系统

    该研究提出一种基于知识图谱的对话系统，用于自动医疗诊断，将丰富的医学知识图谱和自然语言理解相融合，在对话管理中实现主题转换，有效提高了对话系统的准确性。

    Jan, 2019

  • 探索预训练语言模型中的疾病知识

    本文介绍一种新的基准测试 ——DisKnE，用于评估疾病知识。该测试使用正例进行注释，并以对抗性的方式构建负例。在对临床 / 生物医学领域的预训练模型进行测试时，发现它们的表现大幅下降。

    Jun, 2021

  • 面向知识注入的自动疾病诊断助手

    通过医患互动，将医学知识与病症识别相结合，建立一种诊断助手，显著提高疾病识别的能力，并整合视觉感知信息以增强诊断助手的功能。

    May, 2024

  • 具有主观知识的任务导向对话建模

    本文提出了一个基于客户评论和 FAQ 的交互式对话模型，主要通过围绕知识检索、知识选择和响应生成的三个阶段进行改进。我们主要针对知识选择模块的改进以提高整个系统的性能，我们提出了实体检索方法，其中基于命名实体识别的实体检索方法的搜索速度比基准模型提高了 7 倍。除此之外，我们还探索了一个关键词提取方法，该方法可以提高知识选择的准确性，初步结果显示知识选择任务的准确匹配得分提升了 4%。

    Mar, 2023

  • 基于 BERT 的临床知识提取用于生物医学知识图谱构建和分析

    本研究提出了使用 BERT 模型和条件随机场层从临床记录中提取和分析生物医学知识的端到端方法，包括自然语言处理模型用于命名实体识别和关系提取等步骤，可以用于构建医学知识图谱并用于问题解答。实验结果表明，该方法对于 505 位真实患者的生物医学非结构化临床记录的命名实体识别和关系提取的准确率分别为 90.7% 和 88%。

    Apr, 2023

  • 利用知识图谱将领域知识融入医疗自然语言推理

    本文研究如何将医学语言模型（BioELMo）的结构与医学任务中可用的知识图谱（UMLS）进行融合，通过实验验证结论表明融合策略不仅仅是可以改善 MedNLI 数据集上的 BioELMo 模型的基线表现，而且在医疗领域的任务中也导致了最前沿的结果。

    Aug, 2019

  • 自然语言企业搜索的查询理解

    该研究介绍了一种基于自然语言的搜索引擎，它应用了深度学习的命名实体识别技术，实现了高效的客户关系管理平台，用户通过这个系统可以极大地节省时间，快速生成动态报告。

    Dec, 2020

  • 对西班牙临床文本进行症状识别的精调大型语言模型

    通过使用大规模语言模型与数据结合，本研究参与了一个在西班牙医学文档中检测症状、体征和发现的任务，旨在准确识别临床报告中的症状，并在医疗保健、生物医学自然语言处理领域发挥重要作用，为临床决策支持系统的开发和医疗专业人员的诊断和治疗规划提供帮助。

    Jan, 2024