medical entities | BriefGPT

关键词medical entities

搜索结果 - 9

RaTEScore: 放射学报告生成的度量标准
该研究介绍了一种名为 Radiological Report Evaluation (RaTEScore) 的新型、面向实体的度量标准，用于评估由人工智能模型生成的医学报告的质量。RaTEScore 强调诊断结果和解剖细节等重要医学实体，并
PDF12 days ago
利用大型语言模型进行临床报告错误校正的知识检索
临床放射学报告中的错误更正方法研究，利用大型语言模型（LLMs）和检索增强生成（RAG）技术，通过内部和外部检索机制从报告和外部知识源中提取相关医学实体和关系，并引入三阶段推理过程，将任务分解成错误检测、定位和更正子任务，从而提高了系统的可
PDF15 days ago
ACL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 D
PDFa year ago
面向实际生物医学事实核查的基于实体的索赔提取管道
通过实验表明，采用实体链接技术的命名实体识别方法可有效提高医疗推文中的事实核查性能。
PDFa year ago
MCSCSet: 专为医学领域拼写校正而标注的中文数据集
本论文提出了一个基于大型医学领域中文语法纠错数据集 MCSCSet，该数据集由医学专家手动标注产生，对纠错系统从普通语言到医学专业语言的准确性水平的研究结果表明，针对具体领域的大型数据集建设是提高语言纠错准确性基础，同时评估了多种中文拼写纠
PDF2 years ago
关键信息回溯的医疗对话响应生成
提出一种基于关键信息回顾技术的医学响应生成模型，该模型通过利用知识关系构建对话图并加以编码，以及生成对话前的总结以加强关键信息的利用，取得了较强的表现。
PDF2 years ago
ACL结合问题感知的语义奖励的强化学习在摘要式问题总结中的应用
本文提出了一种基于强化学习的抽象式问题摘要框架，该框架通过 downstream 任务中的问题类型识别和问题重点识别得到两个新颖的奖励来规范问题生成模型，从而确保问题摘要的语义有效并鼓励包含关键的医疗实体 / 重点。作者在两个基准数据集上对
PDF3 years ago
面向消费者健康问题摘要的问题感知变压器模型
本文研究针对真实世界的消费者健康问题的抽象总结任务，开发了一个抽象问题总结模型，利用医疗实体的语义识别，借此提高了问题聚焦的涵盖范围和生成信息摘要的能力。同时，我们还将问题类型信息融入到解码器的输入中，实现了问题类型驱动的摘要生成，并在 M
PDF3 years ago
EMNLP基于 RNN 的结构化预测模型在临床文本序列标注中的应用
在临床领域中，序列标注是一种广泛使用的方法，其主要应用是从非结构化的自然语言数据中提取药物、指示和副作用等医学实体。本文通过使用具有循环神经网络的多种基于 CRF 的结构化学习模型，扩展了先前研究的 LSTM-CRF 模型，并提出了一种具有
PDF8 years ago