医疗保健中的 NLP：实体链接

已于 2023-08-11 14:38:37 修改
阅读量6.5k 收藏
点赞数
分类专栏： 人工智能综合 神经网络和深度学习专栏 NLP到ChatGPT专题 文章标签： 自然语言处理 人工智能
于 2023-08-09 14:17:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gongdiwudu/article/details/132174104
版权
人工智能综合 同时被 3 个专栏收录
681 篇文章 17 订阅 ¥199.90 ¥299.90
订阅专栏
NLP到ChatGPT专题
207 篇文章 6 订阅 ¥29.90 ¥99.00
订阅专栏
神经网络和深度学习专栏
146 篇文章 1 订阅 ¥29.90 ¥99.00
订阅专栏

一、说明

        HEalthcare和生命科学行业产生大量数据，这些数据是由合规性和监管要求，记录保存，研究论文等驱动的。但随着数据量的增加，搜索用于研究目的的必要文件和文章以及数据结构成为一个更加复杂和耗时的过程。例如，如今，生物医学搜索引擎包含超过40万篇文章，这些文章代表了大量有用的医疗保健信息。但是手动处理如此大量的数据是一条无法通行的路径，而自然语言处理（NLP）等工具有助于从文本数据中提取信息。

        NLP 工具是 AI 的一个分支，包括语音识别、文本分析、翻译和其他与语言相

了解本专栏 订阅专栏 解锁全文
无水先生
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
构建生物医学知识图谱from zero to hero （3）：生物医学命名实体识别和链接
ASKCOS博客
02-23 94
例如，我们不希望图中有单独的实体代表抗坏血酸和维生素C，因为领域专家可以告诉你这些是同一件事。第二个原因是，通过将概念映射到目标知识库，我们可以通过从目标知识库中获取有关映射概念的信息来丰富图形模型。如果我们再次使用抗坏血酸的例子，如果我们已经知道它的CHEBI id，我们可以很容易地从CHEBI数据库中获取更多信息。在这个例子中，NLP模型在文本中识别了基因、疾病、药物、物种、突变和途径。如前所述，这个过程被称为命名实体识别。例如，在生物医学领域，我们希望在文本中识别各种基因、药物、疾病和其他概念。
医疗实体链接（标准化）论文解读 （附代码） A Lightweight Neural Model for Biomedical Entity Linking
u010960155的博客
01-14 2454
一、动机 论文：https://arxiv.org/abs/2012.08844 代码：https://github.com/tigerchen52/Biomedical-Entity-Linking 医疗实体链接 (Biomedical Entity Linking) 把文档中发现的疾病、药物、手术名词（mention）映射到知识库（knowledge base）中的标准术语词。 这项任务其实是非常有挑战的，这是因为文档中出现的医疗词语存在着多种变化，比如缩写、同义词、词形态变化、词序、错
论文笔记 Medical Entity Linking using Triplet Network
u010960155的博客
08-12 1423
一、动机 实体链接（Entity Linking）或者标准化（Normalization）的目标是将文本中发现的mention链接到知识库中的标准实体。在医疗领域，疾病词的实体链接难度在于缩写、同义词、单词顺序变换等等，这些不同形态的描述给疾病实体链接带来了困难。为了解决这个问题，作者提出了一个基于Triplet Networks的实体链接框架，这篇文章的贡献主要有三点： 为了区分正样本和负样...
医疗领域实体对齐（实体链接）论文总结
u010960155的博客
08-12 3373
2002 Pakhomov, Serguei. "Semi-supervised maximum entropy based approach to acronym and abbreviation normalization in medical texts."Proceedings of the 40th annual meeting on association for computat...
医疗实体标准化之Paper:A Lightweight Neural Model for Biomedical Entity Linking笔记
Quentin_nb的博客
12-22 1240
刚刚踏足医疗方向,目前在研究医疗实体标化问题,相较于广义上的实体链接(entity linking),不存在实体链接一般会存在的一词多义(Entity Ambiguity)问题,确切来说,医疗标准化这块最主要的问题是多词同义(Mention Variations),即同一种病,同一种药等会有许多不同的表达方式,这就是我们要去处理的,让非结构化的数据输入进来,先找到mention,然后去KB里找到对应的entity作为输出,即标准化.举个例子,"感冒"进来,输出"上呼吸道感染". ...
Spark NLP：分布式自然语言处理库
16192 Coastal Highway，刘易斯，DE，19958，美国A R T I C L E I N F O保留字：火花自然语言处理深度学习Tensorflow集群代码元数据A B标准Spark NLP是一个基于Apache Spark ML的自然语言处理（NLP）库。它为机器...
医疗保健中的物联网深度学习应用的综述
深度学习物联网医疗保健医疗成像可穿戴设备系统性文献综述A B S T R A C T在机器学习中，深度学习是最受欢迎的主题，具有广泛的应用，如计算机视觉，自然语言处理，语音识别，视觉对象检测，疾病预测，药物发现，...
知识图谱大模型系列之 16 使用 Python 进行 NLP：知识图谱 SpaCy、句子分割、词性标注、依赖性解析、命名实体识别（教程含源码）
最新发布
iCloudEnd的博客
07-04 91
在本文中，我将展示如何使用 Python 和自然语言处理构建知识图谱。网络图是一种数学结构，用于显示点之间的关系，可以使用无向/有向图结构进行可视化。它是一种映射链接节点的数据库形式。知识库是来自不同来源（如维基百科）的信息的统一存储库。知识图谱是一种使用图形结构数据模型的知识库。简而言之，它是一种特殊类型的网络图，显示现实世界实体、事实、概念和事件之间的定性关系。“知识图谱”一词于 2012 年由Google首次用于介绍其模型。
用于医疗目的的自定义命名实体识别模型——使用 spaCy 模型
sikh_0529的博客
01-13 3025
基于训练和预测测试结果，我们的模型可以准确识别医疗文档中的病原体类型、药物和健康状况。例如，该模型可以将大肠杆菌识别为病原体，将脑膜炎和胃痛识别为健康状况，将阿奇霉素识别为药物（抗生素）。我们将讨论使用自定义 NER 进行医疗保健的所有细节，希望在我们的讨论结束时，您将很好地理解它是如何工作的以及如何在您的项目中使用它。创建一个新的基础配置后，我们在基础配置的基础上创建一个新的。现在，我们可以使用 spaCy 模型来训练我们的数据集。最后，我们可以尝试我们的模型来预测新文档。为 spaCy 模型创建配置。
EvaNIL：用于大型NIL实体链接评估的Silver标准数据集
02-18
依凡妮 用于大型NIL实体链接评估的Silver标准数据集。 从现有的生物医学和生命科学语料库构建而成。 设定环境 Dockerfile包含用于在适当的环境中设置Docker映像的命令。 检索必要的数据 要下载所需的知识库和语料库文件： ./download_data.sh 建立资料集 要构建数据集的给定分区： python src/dataset.py <partition> 精氨酸 分区：要构建的选定分区。 选项： “医学”（CTD-MEDIC） “ ctd_anatomy”（CTD解剖） “ ctd_chemicals”（CTD-Chemicals） “ chebi”（ChEBI） “ go_bp”（GO生物过程） “ hp”（HPO） 例子： python src/dataset.py chebi 输出：./dataset/chebi目录中的train.js
一篇关于实体链接的小综述
zenRRan的博客
03-01 2172
每天给你送来NLP技术干货！来自：AI自然语言处理与知识图谱作者：大林一、任务定义 首先，我们要明确实体链接(Entity Linking, EL)是什么，它的目标是什么，这将有助于建立我...
医疗NLP相关数据集整理
热门推荐
zenRRan的博客
09-20 1万+
点击上方，选择星标或置顶，每天给你送干货！阅读大概需要5分钟跟随小博主，每天进步一丢丢整理：python遇见NLP在Github上搜索整理了一波关于医疗NLP的数据集： 1 中文评测数据...
BioCreative比赛：Track2：PubMed文章中的NLM-CHEM全文化学识别（NER）、实体链接（EL）和标引（indexing）
sinat_41894380的博客
09-08 962
一、任务介绍 命名实体识别是许多复杂知识提取任务的重要组成部分。识别相关生物医学实体的错误是准确检索、分类和进一步理解文本语义（例如关系提取）的关键障碍。化学实体出现在整个生物医学研究文献中，是 PubMed 中最常搜索的实体类型之一。准确自动识别期刊出版物中提到的化学物质有可能转化为许多下游 NLP 任务和生物医学领域的改进 MeSH identifer：MeSH (Medical Subject Headings) is the NLM controlled vocabulary thesaurus
AAAI2020 | SNERL：抛开mention级别的监督，实体链接、关系抽取我都行
DrugAI
07-05 1455
作者 | 朱玉磊审稿 | 李芬今天为大家介绍的是马萨诸塞大学阿默斯特分校Trapit Bansal等学者和谷歌研究院合作在AAAI2020上发表的一篇关于实体链接和关系抽取的文章。虽然关...
【EL】Knowledge-Rich Self-Supervised Entity Linking 论文笔记
Vincy_King
01-09 658
1. Abstract 实体链接面临着重大的挑战，例如大量的变化和普遍的歧义，特别是在具有无数实体的高价值领域（所以本文从医疗领域出发）。标准的分类方法存在注释瓶颈，不能有效地处理看不见的实体。zero-shot实体链接已经成为泛化到新实体的一个有希望的方向，但它仍然需要在训练中提到黄金实体和所有实体的规范描述，这两种方法都在维基百科之外很少可用。 在本文中作文通过利用现成的领域知识来探索实体链接的知识环自我监督(KRISS)。在训练中，它使用领域本体在未标记文本上生成自我监督的mention示例，并使用对
阿里医疗NLP实践与思考
zenRRan的博客
09-07 726
每天给你送来NLP技术干货！分享嘉宾：陈漠沙 阿里云 高级算法专家编辑整理：张文嘉 中日友好医院出品平台：DataFunTalk导读：NLP技术在智慧医疗领域有着越来越多的应用场景，本文将...
医疗术语自动编码论文总结 （Automated Coding）
u010960155的博客
06-16 1731
1996 Larkey, Leah S., and W. Bruce Croft. "Combining classifiers in text categorization."SIGIR. Vol. 96. 1996. 论文链接 被引用次数：532 思想： 看成检索问题，输入是discharge summary长文本，输出是每个code的分数。打分的方法有三个，K-nearest-n...
实体链接参考
Science Evan Blog
06-22 2811
实体链接参考 实体链指：https://www.ctolib.com/mip/bojone-el-2019-baseline.html 实体链接项目：https://blog.csdn.net/github_39012302/article/details/86664716 参考资源：https://www.jianshu.com/p/3627348eadbb https://wenku.bai...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

无水先生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值