文献

J-GLOBAL ID：201802237059251873   整理番号：18A0161545

EHRデータから医療概念と単語の表現の結合学習【Powered by NICT】

Joint learning of representations of medical concepts and words from EHR data

著者 (4件)： Bai Tian (Department of Computer and Information Sciences, Temple University Philadelphia, PA 19122, USA) ,  Chanda Ashis Kumar (Department of Computer and Information Sciences, Temple University Philadelphia, PA 19122, USA) ,  Egleston Brian L. (Fox Chase Cancer Center Philadelphia, PA 19111) ,  Vucetic Slobodan (Department of Computer and Information Sciences, Temple University Philadelphia, PA 19122, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 764-769  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電子健康記録(EHR)から医用概念の学習低次元ベクトル表現に関心が高まっている。EHRは診断コードと実験室試験のような構造化データを含むが,構造化されていない臨床記録,患者の健康状態に関するより微妙な詳細を提供することを含んでいた。本研究において,著者らは,医学概念と単語表現を学習できたことを併用する方法を提案した。特に,word2vecモデルのための新しい学習スキームを用いて医療符号と単語間の関係を捕捉に焦点を当てた。著者らの方法は,同じ外来でのEHRの異なる部分間の関係を利用し,同じ連続ベクトル空間における両コードと単語を埋め込む。エンドでは,異なる疾患と治療パターンを反映するクラスタを導くことができた。我々の実験では,定性的に与えられた診断コードのための単語分類の提案手法は,トピックモデリングアプローチと比較したかを示した。も著者らの表現は次の訪問の疾患パターンを予測するために使用できるかを試験した。結果は筆者らのアプローチがいくつかの共通法より優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ベクトル空間 ,  電子カルテ ,  構造形成 ,  治療法 ,  クラスタ ,  ベクトル ,  *学習 ,  *単語 ,  患者 ,  病歴
準シソーラス用語： 健康状態 ,  構造化データ ,  低次元 , 【Automatic Indexing@JST】

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (6件)： EHR ,  医療 ,  概念 ,  単語 ,  表現 ,  学習