Rudarenje kliničkog teksta — Ekstrakcija informacija iz kliničkog NLP-a
Rudarenje kliničkog teksta je specijalizirana grana obrade prirodnog jezika koja iz nestrukturiranih zdravstvenih dokumenata, poput otpusnih pisama, napredaka bolesti i radioloških izvješća, ekstrahira strukturirane kliničke činjenice — dijagnoze, simptome, lijekove, terapije i ICD kodove. Temeljeno na biomedicinskim NLP modelima poput BioBERT (Lee et al., 2020) i mjerilima zajedničkih zadataka i2b2/UTHealth (Stubbs & Uzuner, 2015), pretvara slobodno pisane kliničke narative u strojno čitljive podatke pogodne za kliničku podršku odlučivanju i zdravstvenu analitiku.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Clinical Text Mining (Clinical NLP Information Extraction). ScholarGate. https://scholargate.app/hr/text-mining/clinical-text-mining
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Ekstrakcija informacijaRudarenje teksta↔ compare
- Prepoznavanje imenovanih entiteta (NER)Rudarenje teksta↔ compare
- Znanstveno rudarenje tekstomRudarenje teksta↔ compare
- Analiza sentimentaRudarenje teksta↔ compare
- Klasifikacija tekstaRudarenje teksta↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →