Oct, 2023

基于 ModelOps 的智能医疗知识提取框架

PDF
TL;DR基于 ModelOps 的智能医学知识提取框架，通过多层回调函数的数据集抽象机制、可重用的模型训练、监控和管理机制，以及基于数据集相似性的模型推荐方法，提供了低代码系统，方便医学研究者开发模型，并简化了非人工智能专家如医生对模型的访问。
发现论文，激发创造
  • 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

  • 面向中文临床文本的医疗信息标注和提取统一框架

    该研究提供了一个医学信息提取的工程框架，其中包括医疗实体识别、关系提取和属性提取。通过深度学习技术和注释语料库，该系统可以高准确率地提取医学实体、关系和属性。

    Mar, 2022

  • 增强的知识注入用于放射学报告生成

    通过利用加权概念知识分支和多模态检索知识分支提取不同类型的知识，将其与当前图像整合，以达到更准确的报告生成，并通过在两个公共基准上进行的广泛实验验证了方法的高性能和两种提取知识源的有效性。

    Nov, 2023

  • 复杂医疗问答中可解释的多步推理与知识提取

    本文提出了一种名为 MurKe 的基于多步推理和知识提取的健康问答辅助系统，以应对复杂的健康医学问题。实验结果表明，该系统在 HeadQA 数据集上能够优于几个强基线。

    Aug, 2020

  • 医学自然语言理解的分层语义组合框架设计考虑

    探讨了一种医学自然语言处理系统，其框架受到人类认知机制的启示，该系统通过一种分层语义组成模型（HSCM）来指导解释过程，其中包括语义记忆、语义组合、语义激活和分层预测编码等认知方面。为了将自由文本句子转换为其意义的逻辑表示，研究设计了一种生成语义模型和一个相关的语义解析器。

    Apr, 2022

  • 使用知识优化生物医学预训练语言模型

    提出 KeBioLM 这一生物医学语言 pretrained language model，该模型明确利用了来自 UMLS UMLS knowledge bases 知识库的知识，取得了名词实体识别和关系提取的不错效果。

    Apr, 2021

  • 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

  • 将医学知识图谱结合到大型语言模型中用于诊断预测

    通过结合医学知识图谱和新颖的图模型 Dr.Knows，我们提出一种创新的方法来提高大型语言模型在自动诊断生成领域的能力，从而消除预训练的需要，提高自动诊断生成的准确性。

    Aug, 2023

  • 大语言模型推进意大利生物医学信息提取：方法论洞见与多中心实际应用

    该研究创建了第一个意大利神经心理学命名实体识别数据集，PsyNIT，并使用它开发了用于此任务的大型语言模型。通过多中心模型实验，建立了方法论指导，未来还可为意大利医院提供重要的研究机会。

    Jun, 2023

  • 卓越总结者的眼睛是经验和证据！走向融合知识的多模态临床对话总结

    通过多模态、多任务的医学领域识别和临床对话摘要生成 (MM-CliConSummation) 框架，本文提出了一种知识注入的、多模态的、多任务的临床对话摘要生成任务，旨在通过适配器融合知识和视觉特征，并使用门机制统一融合特征向量，将医生 - 患者交互 (包括文本和视觉信息) 生成简明扼要的摘要。在大量的定量和定性实验中，得出了以下结果：(a) 视觉信息的重要性；(b) 更精确且保留医学实体的摘要；(c) 医学部门识别与临床摘要生成之间的相关性。

    Sep, 2023