Kirjaudu sisään
näkemys - 의료 정보 처리
의료 기록 질의 응답 시스템의 편향성 없는 평가를 위한 방법
의료 기록 질의 응답 시스템의 신뢰성을 평가하기 위해서는 답변할 수 없는 질문을 포함하는 것이 중요하다. 그러나 EHRSQL 데이터셋에서 이러한 답변할 수 없는 질문에 편향성이 존재하여, 단순한 N-gram 필터링만으로도 이를 구분할 수 있다. 이는 질의 응답 시스템 평가의 신뢰성을 저해한다. 이를 해결하기 위해 검증 데이터와 테스트 데이터의 분할을 조정하여 편향성을 완화하는 방법을 제안한다.
방사선과 보고서에서 구조화된 데이터 추출을 위한 범용 vs. 도메인 적응 대형 언어 모델 비교
도메인 적응 언어 모델 시스템(RadLing-System)이 범용 언어 모델 시스템(GPT-4-System)보다 방사선과 보고서에서 관련 특징을 추출하고 공통 데이터 요소(CDE)로 표준화하는 데 더 우수한 성능을 보였다.
대규모 언어 모델을 활용한 임상 기록에서 물질 사용 장애 심각도 정보 추출
대규모 언어 모델을 활용하여 임상 기록에서 11가지 물질 사용 장애 진단의 심각도 정보를 효과적으로 추출할 수 있다.
뇌졸중 환자의 물리 재활 운동 정보 추출을 위한 자연어 처리 알고리즘 개발 및 검증 연구
본 연구는 뇌졸중 환자의 임상 기록에서 물리 재활 운동 정보를 추출하고 분류하기 위한 다양한 자연어 처리 알고리즘을 개발하고 평가하였다.
Tuotteet | Materiaalit
© 2024 by Linnk AI