arrow
返回

SNOMED CT entity linking challenge

delete2025-07-01
delete1
delete
OA
AI
R
Rory Davidson *
W
Will Hardman
G
Guy Amit
Y
Yonatan Bilu
V
Vincenzo Della Mea
A
Aleksandr Galaida
I
Irena Girshovitz
M
Mikhail Kulyabin
M
Mihai Horia Popescu
K
Kevin Roitero
G
Gleb Sokolov
C
Chen Yanover
DOI:10.1093/jamia/ocaf104delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
目标:本文介绍了来自一项竞赛的结果,该竞赛挑战参与者使用MIMIC-IV-Note数据的一个子集和SNOMED CT术语开发实体链接模型。 材料与方法:作为本工作的基础,我们整理了一组包含74 808个注释的数据集,这些注释来自272份出院记录,涵盖了6624个独特的临床概念。提交的解决方案使用字符级别的平均交并比(mean Intersection-over-Union)指标进行评估,其中表现最佳的3个解决方案获得了现金奖励。 结果:获胜的解决方案采用了不同的方法:基于词典的方法、基于编码器的方法和基于解码器的方法。 讨论:我们的分析表明,训练数据中的概念频率对模型性能有显著影响,稀有概念尤其具有挑战性。高概念熵和注释模糊性也与性能下降相关。 结论:本研究的发现表明,未来的项目应着重于改进稀有概念的实体链接,并开发方法以在训练示例稀缺时更好地利用上下文信息。
Keyword:
SNOMED CT
entity linking
terminology
artificial intelligence
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Journal of the American Medical Informatics Association 封面图
Journal of the American Medical Informatics Association
IF:
4.6
论文数:
417
被引数:
1.6W

机构

U
University of Udine
学者数:
8.3K
论文数: 6.8K
被引数: 6.7K
引用论文

引用论文

err
IF0
err
err0
PREAI
err
err分享
err收藏
Automated clinical coding: what, why, and where we are?
err2022-10-22
err25
errOAAI
errDong, Hang; Falis, Matus; Whiteley, William; Alex, Beatrice; Matterson, Joshua; Ji, Shaoxiong; Chen, Jiaoyan; Wu, Honghan
err分享
err收藏
err
IF0
err
err0
PREAI
err
err分享
err收藏
Multi-domain clinical natural language processing with MedCAT: The Medical Concept Annotation Toolkit使用MedCAT进行多领域临床自然语言处理: 医学概念注释工具包
err2021-07-01
err81
errOAAI
errKraljevic, Zeljko; Searle, Thomas; Shek, Anthony; Roguski, Lukasz; Noor, Kawsar; Bean, Daniel; Mascio, Aurelie; Zhu, Leilei; Folarin, Amos A.; Roberts, Angus; Bendayan, Rebecca; Richardson, Mark P.; Stewart, Robert; Shah, Anoop D.; Wong, Wai Keong; Ibrahim, Zina; Teo, James T.; Dobson, Richard J. B.
err分享
err收藏
没有更多内容