Klīniskā teksta ieguve — klīniskās dabiskās valodas apstrādes informācijas ieguve
Klīniskā teksta ieguve ir specializēta dabiskās valodas apstrādes (NLP) nozare, kas no nestrukturētiem veselības aprūpes dokumentiem, piemēram, izrakstīšanās kopsavilkumiem, progresa pierakstiem un radioloģijas atskaitēm, iegūst strukturētus klīniskus faktus — diagnozes, simptomus, medikamentus, ārstēšanu un ICD kodus. Pamatojoties uz biomedicīnas NLP modeļiem, piemēram, BioBERT (Lee et al., 2020) un i2b2/UTHealth kopīgā uzdevumu etalonu (Stubbs & Uzuner, 2015), tā brīvā formā uzrakstītus klīniskos stāstījumus pārvērš mašīnlasāmā datos, kas piemēroti klīniskai lēmumu atbalsta sistēmai un veselības analītikai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Clinical Text Mining (Clinical NLP Information Extraction). ScholarGate. https://scholargate.app/lv/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.
- Informācijas ieguveTeksta ieguve↔ compare
- Nosaukuma entītiju atpazīšana (NER)Teksta ieguve↔ compare
- Zinātniskā teksta ieguveTeksta ieguve↔ compare
- Sentimentu analīzeTeksta ieguve↔ compare
- Tekstu klasifikācijaTeksta ieguve↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →