Apr, 2024

通过自动化知识图生成和丰富加速医学知识发现

PDF
TL;DR医疗知识图谱自动化 (M-KGA) 是一种创新方法，通过利用用户提供的医学概念并利用 BioPortal 本体进行语义增强，以整合预训练嵌入向量，从而提高知识图谱的完整性。该方法引入了基于聚类和基于节点的两种方法，以发现知识图谱中隐藏的连接，通过对电子健康记录中 100 个频繁出现的医学概念进行严格测试，展示了有望解决现有知识图谱自动化技术限制的潜力。
发现论文，激发创造
  • 医疗知识图谱构建：现状、开放问题和机遇

    本文通过提供全面的分类法和涵盖多个卫生保健领域相关学术工作的最新技术评估，评估了目前医疗知识图谱的构建状况，为大数据分析解决方案的需求提供了更好的数据表示和知识推理。此外，还讨论了现有问题和未来研究方向。

    Jul, 2022

  • 从大型语言模型到知识图谱：癌症生物标志物发现

    开发了一个基于领域知识图谱和语义推理的癌症特定生物标志物发现和交互式问答系统，使用生物医学数据、领域本体论、信息提取方法以及大型语言模型进行知识图谱的构建和更新。

    Oct, 2023

  • 无监督医学报告生成的知识图谱自动编码

    提出了一种基于知识图谱自编码器（KGAE）的无监督学习模型，实现医学图像和文本信息自动关联。在医学报告生成中，KGAE 的性能达到目前同类模型的最高水平。

    Nov, 2021

  • 癌症生物标志物发现的生物医学知识图谱

    本文描述了如何构建一个特定领域的知识图谱，以帮助癌症生物标志物的发现和查询，并使用语义技术和信息抽取方法集成相关领域的知识和数据，提供交互式解释和问题回答。

    Feb, 2023

  • AutoKG: 为语言模型提供高效自动化的知识图谱生成

    通过关键词提取和图拉普拉斯学习，AutoKG 用于自动构建知识图谱的轻量高效方法，通过向语言模型丰富 LLM 输出，提供了比语义相似性搜索更全面和相互关联的知识检索机制。

    Nov, 2023

  • 基于知识图谱的医疗领域医生和地点强大搜索引擎

    KG-based search engine architecture for finding doctors and locations in healthcare domain, with significantly higher coverage for complex queries without degrading quality.

    Oct, 2023

  • 利用人类计算游戏框架增强用于准确性关键生成式人工智能应用的知识图谱

    通过使用众包反馈通过视频游戏收集到的信息，GAME-KG 框架显示出是一种增强知识图谱的有效方法，同时为人类提供由其验证的可解释的结构化事实。

    Apr, 2024

  • 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

  • BanglaAutoKG：语义神经图过滤在孟加拉自动知识图谱构建中的应用

    提出 BanglaAutoKG 框架可从任何孟加拉语文本自动构建孟加拉知识图谱，并通过多语言 LLMs、翻译字典、预训练 BERT 模型等构建基础图谱，最后利用基于 GNN 的语义过滤器形成最终的知识图谱。

    Apr, 2024

  • 医疗知识图谱调查：资源、应用和前景

    本文总结了健康医疗知识图谱的构建管道和关键技术，并介绍了其在高级临床决策支持等医疗领域的革命性影响，最后探讨了在大语言模型时代创造全面准确的健康医疗知识图谱的机会。

    Jun, 2023