ScholarGate
Asistenti
Process / pipeline

Minieria e Tekstit Klinik — Ekstraktimi i Informacionit nga NLP-ja Klinike

Minieria e tekstit klinik është një degë e specializuar e përpunimit të gjuhës natyrore (NLP) që nxjerr fakte klinike të strukturuara — diagnoza, simptoma, medikamente, trajtime dhe kode ICD — nga dokumente shëndetësore të pastrukturuara siç janë përmbledhjet e shkarkimit, shënimet e progresit dhe raportet radiologjike. E bazuar në modelet e NLP-së biomjekësore si BioBERT (Lee et al., 2020) dhe referencat e detyrave të përbashkëta i2b2/UTHealth (Stubbs & Uzuner, 2015), ajo konverton rrëfimet klinike me tekst të lirë në të dhëna të lexueshme nga makina, të përshtatshme për mbështetjen e vendimmarrjes klinike dhe analizën e shëndetit.

Hapeni në MethodMindSë shpejtiVideoSë shpejtiDownload slides

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Method map

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

Burimet

  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

Si ta citoni këtë faqe

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

Cituar nga

ScholarGateClinical Text Mining (Clinical Text Mining (Clinical NLP Information Extraction)). Marrë më 2026-06-15 nga https://scholargate.app/sq/text-mining/clinical-text-mining · Seti i të dhënave: https://doi.org/10.5281/zenodo.20539026