Penambangan Teks Klinis — Ekstraksi Informasi NLP Klinis
Penambangan teks klinis adalah cabang khusus dari pemrosesan bahasa alami yang mengekstrak fakta klinis terstruktur — diagnosis, gejala, obat-obatan, perawatan, dan kode ICD — dari dokumen perawatan kesehatan yang tidak terstruktur seperti ringkasan pulang, catatan perkembangan, dan laporan radiologi. Berlandaskan model NLP biomedis seperti BioBERT (Lee et al., 2020) dan tolok ukur tugas bersama i2b2/UTHealth (Stubbs & Uzuner, 2015), metode ini mengubah narasi klinis teks bebas menjadi data yang dapat dibaca mesin yang cocok untuk dukungan keputusan klinis dan analitik kesehatan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Clinical Text Mining (Clinical NLP Information Extraction). ScholarGate. https://scholargate.app/id/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.
- Ekstraksi InformasiPenambangan Teks↔ compare
- Pengenalan Entitas Bernama (NER)Penambangan Teks↔ compare
- Penambangan Teks IlmiahPenambangan Teks↔ compare
- Analisis SentimenPenambangan Teks↔ compare
- Klasifikasi TeksPenambangan Teks↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →