文献

J-GLOBAL ID：201702233290451340   整理番号：17A1430589

CRFと単語埋め込みを用いた処方抽出【Powered by NICT】

Prescription extraction using CRFs and word embeddings

著者 (3件)： Tao Carson (Department of Information Science, State University of New York at Albany, NY, USA) ,  Filannino Michele (Department of Computer Science, State University of New York at Albany, NY, USA) ,  Uzuner OEzlem (Department of Computer Science, State University of New York at Albany, NY, USA)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 72  ページ： 60-66  発行年： 2017年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 医療行為では,医師は非構造化自由テキストの形で書かれた退院要約を介して患者ケア計画,特に医薬品の名前と処方情報を含んでいるを詳述した。退院サマリーから処方の抽出は,これらの文書は書かれた方法により挑戦的である。手書きルールと,医療gazetteersはこの目的に有用であることが証明されたが,性能,スケーラビリティ,および一般化可能性の限界である。代わりに個々のエントリに医薬品の名前と処方情報を抽出し,組織化する機械学習アプローチを提案した。提案アプローチでは,単語埋込みを利用し,二種の抽出段階におけるタスクの配列ラベリング問題として扱われるに取り組んでいる。2009i2b2挑戦公式ベンチマークセット上で評価されたとき,提案した方法は0.864の水平句レベルF1測度,我々の知る限りでは,現在の最先端を超える改良を表しているを達成した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 医師 ,  測度 ,  構造形成 ,  *単語 ,  機械学習 ,  ラベリング
準シソーラス用語： 句 ,  手書き ,  テキスト ,  医療行為 , 【Automatic Indexing@JST】

著者キーワード (5件)： NLP(自然言語処理) ,  機械学習 ,  単語埋込み ,  CRF ,  処方抽出

分類 (2件)： 医用情報処理  (JE15030Q) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： CRF ,  単語 ,  埋め込み ,  処方