医学自然语言处理(NLP)相关论文汇总之 NAACL 2022

在这里插入图片描述

【写在前面】NAACL2022前段时间已经放榜,自己抽时间整理了一下该会议在医疗自然语言处理方向上的相关论文,放在这里,希望对大家有一定的帮助吧。还会继续更新,大家有兴趣的话可以持续关注。
更多关于中文医疗自然语言处理的资源和论文汇总,请访问我的GitHub相关主页https://github.com/FutureForMe/Chinese_Medical_Natural_Language_Processing_Resources_and_Papers。最近重新整理一下仓库,把对应会议的论文的PDF汇总下载,有需要的可以直接从仓库下载,欢迎star~

软件

User-Driven Research of Medical Note Generation Software

医学笔记生成软件的用户驱动研究

Award: Best paper on human-centered NLP special theme

论文地址:https://aclanthology.org/2022.naacl-main.29/

实体链接

Generative Biomedical Entity Linking via Knowledge Base-Guided Pre-training and Synonyms-Aware Fine-tuning

通过知识库引导的预训练和同义词感知微调生成生物医学实体链接

论文地址:https://aclanthology.org/2022.naacl-main.296/

医疗对话

Few-shot fine-tuning SOTA summarization models for medical dialogues

用于医学对话的 Few-shot 微调 SOTA 总结模型

论文地址:https://aclanthology.org/2022.naacl-srw.32/

多标签分类

Medical Coding with Biomedical Transformer Ensembles and Zero/Few-shot Learning

具有生物医学变压器集成和零/少样本学习的医学编码

论文地址:https://aclanthology.org/2022.naacl-industry.21/

An exploratory data analysis: the performance differences of a medical code prediction system on different demographic groups

探索性数据分析:医疗代码预测系统对不同人口统计群体的性能差异

论文地址:https://aclanthology.org/2022.clinicalnlp-1.10/

PLM-ICD: Automatic ICD Coding with Pretrained Language Models

PLM-ICD:使用预训练语言模型的自动 ICD 编码

论文地址:https://aclanthology.org/2022.clinicalnlp-1.2/

Literature-Augmented Clinical Outcome Prediction

文献增强的临床结果预测

论文地址:https://aclanthology.org/2022.findings-naacl.33/

多任务学习

In-BoXBART: Get Instructions into Biomedical Multi-Task Learning

In-BoXBART:获取生物医学多任务学习的说明

论文地址:https://aclanthology.org/2022.findings-naacl.10/

数据集

Pathway2Text: Dataset and Method for Biomedical Pathway Description Generation

Pathway2Text:生物医学路径描述生成的数据集和方法

论文地址:https://aclanthology.org/2022.findings-naacl.108/

缩略词消歧

m-Networks: Adapting the Triplet Networks for Acronym Disambiguation

m-Networks:将 Triplet Networks 用于首字母缩略词消歧

论文地址:https://aclanthology.org/2022.clinicalnlp-1.3/

命名实体识别

Cross-Language Transfer of High-Quality Annotations: Combining Neural Machine Translation with Cross-Linguistic Span Alignment to Apply NER to Clinical Texts in a Low-Resource Language

高质量注释的跨语言迁移:将神经机器翻译与跨语言跨度对齐相结合,以低资源语言将 NER 应用于临床文本

论文地址:https://aclanthology.org/2022.clinicalnlp-1.6/

关系抽取

Ensemble-based Fine-Tuning Strategy for Temporal Relation Extraction from the Clinical Narrative

从临床叙事中提取时间关系的基于集成的微调策略

论文地址:https://aclanthology.org/2022.clinicalnlp-1.11/

Exploring Text Representations for Generative Temporal Relation Extraction

探索生成时间关系提取的文本表示

论文地址:https://aclanthology.org/2022.clinicalnlp-1.12/

问题生成

Learning to Ask Like a Physician

学习像医生一样提问

论文地址:https://aclanthology.org/2022.clinicalnlp-1.8/

预训练模型

Clinical Flair: A Pre-Trained Language Model for Spanish Clinical Natural Language Processing

临床天赋:西班牙临床自然语言处理的预训练语言模型

论文地址:https://aclanthology.org/2022.clinicalnlp-1.9/

Others

Assessing Group-level Gender Bias in Professional Evaluations: The Case of Medical Student End-of-Shift Feedback

在专业评估中评估群体层面的性别偏见:医学生轮班反馈的案例

论文地址:https://aclanthology.org/2022.gebnlp-1.11/

“Devils Are in the Details”: Annotating Specificity of Clinical Advice from Medical Literature

“魔鬼在细节中”:从医学文献中注释临床建议的特异性

论文地址:https://aclanthology.org/2022.unimplicit-1.3/

CLPT: A Universal Annotation Scheme and Toolkit for Clinical Language Processing

CLPT:临床语言处理的通用注释方案和工具包

论文地址:https://aclanthology.org/2022.clinicalnlp-1.1/

Fine-tuning BERT Models for Summarizing German Radiology Findings

微调 BERT 模型以总结德国放射学发现

论文地址:https://aclanthology.org/2022.clinicalnlp-1.4/

RRED : A Radiology Report Error Detector based on Deep Learning Framework

RRED:基于深度学习框架的放射学报告错误检测器

论文地址:https://aclanthology.org/2022.clinicalnlp-1.5/

What Do You See in this Patient? Behavioral Testing of Clinical NLP Models

你在这个病人身上看到了什么?临床 NLP 模型的行为测试

论文地址:https://aclanthology.org/2022.clinicalnlp-1.7/

  • 3
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
本课程隶属于自然语言处理(NLP)实战系列。自然语言处理(NLP)是数据科学里的一个分支,它的主要覆盖的内容是:以一种智能与高效的方式,对文本数据进行系统化分析、理解与信息提取的过程。通过使用NLP以及它的组件,我们可以管理非常大块的文本数据,或者执行大量的自动化任务,并且解决各式各样的问题,如自动摘要,机器翻译,命名实体识别,关系提取,情感分析,语音识别,以及主题分割等等。一般情况下一个初级NLP工程师的工资从15万-35万不等,所以掌握NLP技术,对于人工智能学习者来讲是非常关键的一个环节。【超实用课程内容】 课程从自然语言处理的基本概念与基本任务出发,对目前主流的自然语言处理应用进行全面细致的讲解,包括文本分类,文本摘要提取,文本相似度,文本情感分析,文本特征提取等,同时算法方面包括经典算法与深度学习算法的结合,例如LSTM,BiLSTM等,并结合京东电商评论分类、豆瓣电影摘要提取、今日头条舆情挖掘、饿了么情感分析等过个案例,帮助大家熟悉自然语言处理工程师在工作中会接触到的常见应用的实施的基本实施流程,从0-1入门变成自然语言处理研发工程师。 【课程如何观看?】 PC端:https://edu.csdn.net/course/detail/25649 移动端:CSDN 学院APP(注意不是CSDN APP哦)本课程为录播课,课程2年有效观看时长,大家可以抓紧时间学习后一起讨论哦~【学员专享增值服务】 源码开放课件、课程案例代码完全开放给你,你可以根据所学知识,自行修改、优化下载方式:电脑登录https://edu.csdn.net/course/detail/25649,点击右下方课程资料、代码、课件等打包下载通过第二课时下载材料

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

FutureForMe@

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
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