文献

J-GLOBAL ID：201702267020797611   整理番号：17A1430592

臨床ノートにおける関係分類のためのリカレントニューラルネットワーク【Powered by NICT】

Recurrent neural networks for classifying relations in clinical notes

著者 (1件)： Luo Yuan (Department of Preventive Medicine, Division of Health and Biomedical Informatics, Northwestern University, Chicago, IL, United States)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 72  ページ： 85-95  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： 臨床記録から関係を分類するためのリカレントニューラルネットワーク(より具体的に長い短期記憶-LSTM)に基づく第一モデルを提案した。i2b2/VA関係分類挑戦的データセット上でこのモデルを試験した。単語埋込み特徴とマニュアル特徴工学のみで,セグメントLSTMモデルは医学的問題医学的問題関係のための医学的問題治療関係医療問題試験関係に対する,0.800,および0.683を分類するための0.661の平均F測度を達成しなかったことを示した。これらの結果は,i2b2/VA関係分類の挑戦最新システムのものに匹敵した。文LSTMモデルを用いたセグメントLSTMモデルを比較し,概念テキストと文脈テキストの違いを探り,文の異なる文脈部品間の利点を実証した。もLSTMモデルの性能に及ぼす単語埋め込みの影響を評価し,内科領域単語埋込み関係分類を改善することを示した。きれらの結果は医療概念間の関係を分類するためのLSTMモデルの使用を支持し,マニュアル特徴工学を必要としないが,以前に発表されたシステムに匹敵する性能を示す。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： *単語 ,  マニュアル ,  内科学 ,  測度
準シソーラス用語： テキスト ,  短期記憶 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 自然言語処理 ,  医療関係分類 ,  リカレントニューラルネットワーク ,  長い短期記憶 ,  機械学習

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (4件)： 臨床 ,  ノート ,  分類 ,  リカレントニューラルネットワーク