Process / pipeline

Klinikai szöveg-bányászat — Klinikai NLP információkinyerés

A klinikai szöveg-bányászat a természetes nyelvfeldolgozás (NLP) speciális ága, amely strukturált klinikai tényeket — diagnózisokat, tüneteket, gyógyszereket, kezeléseket és ICD-kódokat — nyer ki strukturálatlan egészségügyi dokumentumokból, mint például zárójelentések, előrehaladási jegyzetek és radiológiai jelentések. Olyan biomedicinális NLP modellekre épül, mint a BioBERT (Lee et al., 2020) és az i2b2/UTHealth megosztott feladatú benchmarkok (Stubbs & Uzuner, 2015), és a szabad szöveges klinikai narratívákat géppel olvasható adattá alakítja, amely alkalmas klinikai döntéstámogatásra és egészségügyi analitikára.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Források

  1. 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
  2. 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

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 1). Clinical Text Mining (Clinical NLP Information Extraction). ScholarGate. https://scholargate.app/hu/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.

Compare side by side

Hivatkozik rá

ScholarGateClinical Text Mining (Clinical Text Mining (Clinical NLP Information Extraction)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/text-mining/clinical-text-mining · Adatkészlet: https://doi.org/10.5281/zenodo.20539026