Извличане на информация от клиничен текст — Клинично НЛП
Извличането на информация от клиничен текст е специализиран клон на обработката на естествен език (НЛП), който извлича структурирани клинични факти — диагнози, симптоми, лекарства, лечения и кодове по МКБ — от неструктурирани здравни документи като епикризи, амбулаторни листове и радиологични доклади. Базирайки се на биомедицински НЛП модели като BioBERT (Lee et al., 2020) и бенчмарковете на i2b2/UTHealth (Stubbs & Uzuner, 2015), той преобразува клинични наративи в свободен текст в машинночетими данни, подходящи за подпомагане на клинични решения и здравен анализ.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Lee, J., Yoon, W., Kim, S., Kim, D., Kim, S., So, C. H., & Kang, J. (2020). BioBERT: a pre-trained biomedical language representation model for biomedical text mining. Bioinformatics, 36(4), 1234–1240. DOI: 10.1093/bioinformatics/btz682 ↗
- Stubbs, A. & Uzuner, Ö. (2015). Annotating risk factors for heart disease in clinical narratives for the 2014 i2b2/UTHealth shared task. Journal of the American Medical Informatics Association, 22(e1), e30–e39. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Clinical Text Mining (Clinical NLP Information Extraction). ScholarGate. https://scholargate.app/bg/text-mining/clinical-text-mining
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Извличане на информацияИзвличане на текст↔ сравняване
- Разпознаване на именувани обекти (NER)Извличане на текст↔ сравняване
- Научно извличане на текстИзвличане на текст↔ сравняване
- Анализ на настроениятаИзвличане на текст↔ сравняване
- Класификация на текстИзвличане на текст↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →