ACLJun, 2023

MidMed：针对医疗咨询的混合对话技术

PDF
TL;DR本文提出了如何构建医疗咨询对话系统来帮助患者澄清他们的目标，介绍了一个混合式医疗咨询对话语料库 MidMed 及其基线，提出了一种指导型医学对话生成框架 InsMed，并证明了其有效性。
medical dialogue systemsmedical consultationmidmedtask-oriented dialogueinsmed
发现论文，激发创造
  • 假期去哪里：面向混合类型对话以澄清用户目标

    本文提出了一个基于人类混合类型对话语料库的混合式对话模型，其中包含 5k 对话会话和 168k 话语，用于帮助确定用户目标并实现目标，并提供了基于提示的持续学习机制，以帮助模型不断提高其在任何特定类型上的能力。

    Apr, 2022

  • 医学对话：类别、方法、评估和挑战的调查

    这篇论文从技术角度对医疗对话系统进行了调查和组织，总结了医疗对话系统的分类、方法和评估，并列出了医疗对话系统的主要挑战，尤其是大型语言模型。

    May, 2024

  • MedFilter: 结合语篇结构和本体知识，提高从医患对话中提取任务相关话语的效果

    本文介绍了一种新的建模方法 MedFilter，以解决从医患对话中提取相关信息的任务。该方法有效提高了识别和分类任务相关话语的性能，并在下游的信息提取任务中取得了显著的改进。

    Oct, 2020

  • 基于双流建模的医学对话生成

    本研究提出了一种 Dual Flow 增强型医疗对话生成框架 DFMed，通过提取对话历史中的医疗实体和对话行为来预测下一轮中要采取的实体和对话行为，模拟它们之间的转换，并使用两个顺序模型进行编码，运用交织组件增强协同作用，实验结果表明 DFMed 方法在自动评估和手动评估中均优于基线。

    May, 2023

  • 术语意识医疗对话生成

    本研究旨在提高医学对话生成的准确性，采用基于专业术语的特征并利用注意机制和辅助术语识别任务填补医学背景与常见话语之间的语义鸿沟，证实该框架优于目前最先进的语言模型。此外，我们提供了一个新的具有医学术语注释的数据集以支持医学对话生成的研究。

    Oct, 2022

  • 自动医疗咨询系统基准：框架、任务和数据集

    本文提出两种支持自动医学咨询的框架，并创建了一个新的大型医学对话数据集，建立了包括命名实体识别，对话行为分类，症状标签推断，医疗报告生成和诊断导向的对话策略在内的五个独立任务。同时，文章提供了每个任务的基准结果，并公开了相关代码和数据集。

    Apr, 2022

  • 即插即用医疗对话系统

    本文提出了一种基于自然语言处理的医疗对话系统 PlugMed，该系统通过提示生成和响应排名两个模块来训练 LLMs 实现合适的对话行为，在自动和手动评估中都表现出优异的效果。

    May, 2023

  • DialMed: 基于对话的药物推荐数据集

    该研究提出一种基于医疗对话的药物推荐方法，使用自然语言处理技术结合病历数据，构建了一个高质量的医疗对话数据集 DIALMED, 并提出了 DDN 模型和 QA 对话图机制，有效考虑了各种因素的影响，实现了医患对话中对药物的智能推荐。

    Feb, 2022

  • 开发生物和医学 ChatGPT：生物医学问答的完整概述

    通过自然语言处理和多模态范式，ChatGPT 探索了医学诊断、治疗建议和其他医疗支持的问题回答的战略蓝图，在医学领域数据的逐渐整合下，这些技术加快了医学领域问题回答的进展，通过连接人类自然语言与医学领域知识或专家手动注释的空白，处理了医学环境下大规模、多样化、不平衡或无标签数据分析的场景，强调了在不同任务和数据集中的应用，并概述了当前的挑战和未来医学领域研究的机遇和创新。

    Jan, 2024

  • 通过直观 - 分析差异诊断进行医疗对话生成

    医学对话系统应用了 Intuitive-then-Analytic Differential Diagnosis (IADDx) 方法进行差异诊断，并通过检索顺联结合图增强的分析过程提供疗效理论和指导。该研究验证了该方法的有效性，并展示了其在诊断过程中对临床医生和患者的辅助作用，例如生成中间结果和基于图的诊断路径。

    Jan, 2024