HyperAIHyperAI

Command Palette

Search for a command to run...

vor 4 Monaten

End-to-End Zeitausdrucksextraktion im klinischen Bereich

{Begoña Altuna José Javier Saiz}

End-to-End Zeitausdrucksextraktion im klinischen Bereich

Abstract

Die Extraktion temporaler Beziehungen ist eine wichtige Aufgabe im klinischen Bereich, da sie ein besseres Verständnis des zeitlichen Kontexts klinischer Ereignisse ermöglicht. In diesem Artikel stellen wir ein end-to-end-System zur Extraktion temporaler Beziehungen für den klinischen Bereich vor, wobei die i2b2 2012 Temporal Relation Challenge als Benchmark dient. In unserem Ansatz fine-tunen wir REBEL – ein sequenz-zu-Sequenz-Modell für die allgemeine Relationsextraktion – mit temporalen Annotationen und Entlassungsberichten. Dadurch ist unser Ansatz in der Lage, gleichzeitig relevante klinische Entitäten, Zeitangaben sowie die zwischen ihnen bestehenden temporalen Beziehungen zu extrahieren. Unsere Ergebnisse zeigen die Wirksamkeit dieses Ansatzes und erreichen eine überzeugende Leistung im End-to-End-Track der i2b2 2012 Challenge.

Benchmarks

BenchmarkMethodikMetriken
joint-entity-and-relation-extraction-on-2012Finetuned REBEL
Macro F1: 0.58

KI mit KI entwickeln

Von der Idee bis zum Start — beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und den besten GPU-Preisen.

KI-Co-Coding
Sofort einsatzbereit GPUs
Beste Preise
Jetzt starten

Hyper Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp
End-to-End Zeitausdrucksextraktion im klinischen Bereich | Forschungsarbeiten | HyperAI