多目的最適化を用いた抽象的臨床テキスト要約の事実精度の改善【JST・京大機械翻訳】

Alambo Amanuel; Banerjee Tanvi; Thirunarayan Krishnaprasad; Cajita Mia

プレプリント

J-GLOBAL ID：202202217024025709 整理番号：22P0324294

多目的最適化を用いた抽象的臨床テキスト要約の事実精度の改善【JST・京大機械翻訳】

Improving the Factual Accuracy of Abstractive Clinical Text Summarization using Multi-Objective Optimization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月02日プレプリントサーバーでの情報更新日： 2022年04月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ニュース記事,科学論文,およびブログポストを含む異なるドメインに適用される抽象的要約の最近の進歩があったが,臨床テキスト要約へのこれらの技術の応用は限られている。これは,大規模訓練データの欠如と,大規模訓練データが構造化または半構造化形式で来る他のドメインとは対照的に,臨床ノートのメシ/非構造化性質に主に起因する。さらに,臨床テキスト要約の最少調査および重要成分の1つは,臨床要約の実際精度である。これは,特に医療領域,心臓学において特に重要であり,特に,ソースノートにおける事実を保存する正確な要約生成が患者の幸福に重要である。本研究では,知識誘導多目的最適化を用いて臨床テキストの抽象的要約の実際精度を改善するフレームワークを提案した。訓練中の提案アーキテクチャにおける3つのコスト関数を同時に最適化することを提案する:生成損失,エンティティ損失および知識損失,および1)心不全(HF)患者の臨床ノートに関する提案アーキテクチャを評価し,この研究のために収集した;および2)2つのベンチマークデータセット,インディアナ大学胸部X線収集(IU X線),およびMIMIC-CXR,は公的に利用可能である。3つの変圧器符号器-デコーダアーキテクチャを用いて実験を行い,異なる損失関数を最適化することにより,エンティティレベル事実精度に関して性能が向上することを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

自然語処理 , 医用情報処理

, ,

前のページに戻る