Medis_nlp
Ringkasan Evaluasi/Kompetisi Domain NLP Medis, Dataset, Kertas dan Sumber Daya Model Pra-Terlatih.
Ringkasan Evaluasi/Kompetisi NLP Medis, Dataset, Makalah dan Model Pra-Terlatih.
Berita
- ? 2024/11/14 Ditambahkan
4. VLM数据集, 5.3 医疗VLM , 5.4 医疗VLM Benchmark . Di masa depan, fokusnya adalah mempertahankan sumber daya yang relevan terkait dengan arah pemeliharaan VLM medis . Repo akan dikelola oleh Rongsheng Wang. - ? Sebelum 2024/11/14 Ketika Cris Lee meninggalkan bidang NLP medis pada tahun 2021, repo ini sekarang dikelola oleh Xidong Wang, Ziyue Lin, Jing Tang.
Isi
- 1. Evaluasi
- 1.1 Evaluasi Benchmark Medis Tiongkok: CMB / CMEXAM / PromptCblue
- 1.2 Penilaian Benchmark Medis Bahasa Inggris:
- 2. Kompetisi
- 2.1 Pertandingan yang sedang berlangsung
- 2.2 Game Akhir
- 3. Dataset LLM
- 3.1 Cina
- 3.2 Bahasa Inggris
- 4. Dataset VLM
- 5. Model pra-terlatih open source
- 5.1 Medis PLM
- 5.2 Medical LLM
- 5.3 VLM Medis
- 5.4 Benchmark VLM Medis
- 6. Makalah Terkait
- 6.1 Makalah yang mungkin membantu di era pasca-chatgpt
- 6.2 Artikel Ikhtisar
- 6.3 Artikel khusus tugas
- 6.4 Indeks Rapat
- 7. Open Source Toolkit
- 8. Solusi Produk Kelas Industri
- 9. Berbagi Blog
- 10. Tautan Ramah
1. Evaluasi
1.1 Evaluasi Benchmark Medis Tiongkok: CMB / CMEXAM / PromptCblue
CMB
- Alamat: https://github.com/freedomintelligence/cmb
- Sumber: Pemeriksaan dalam berbagai pekerjaan medis klinis di semua tahap; Konsultasi tentang Kasus Kompleks Klinis
Cmexam
- Alamat: https://github.com/williamliujl/cmexam
- Sumber: Pemeriksaan Kualifikasi Dokter Praktis Pertanyaan Tahun Sebelumnya
Promptcblue
- Alamat: https://github.com/michael-wzhu/promptcblue
- Sumber: Cblue
Promptcblue
- Alamat: https://github.com/cbluebenchmark/cblue
- Sumber: Dataset Kompetisi Evaluasi Akademik Sebelumnya dan Bisnis Pencarian Medis Ali Quark dari Ulasan Akademik Sebelumnya
Medbench
- Alamat: https://arxiv.org/abs/2312.12806
- Sumber: Berisi 40.041 pertanyaan dari pemeriksaan dan laporan medis, mencakup semua spesialisasi.
1.2 Penilaian Benchmark Medis Bahasa Inggris:
Multimedbench
- Pendahuluan: Ini adalah model generasi multimodal besar yang berasal dari google
↥ Kembali ke atas
2. Kompetisi
2.1 Pertandingan yang sedang berlangsung
2.2 Game Akhir
2.2.1 Kompetisi Bahasa Inggris
2.2.2 Kompetisi Cina
Pencitraan NLP - Generasi Laporan Diagnostik Pencitraan Medis
- Alamat: https://gaiic.caai.cn/ai2023/
- Sumber: 2023 Global Kompetisi Inovasi Teknologi Kecerdasan Buatan 1 Track 1
Tantangan Triage Sederhana Untuk Persyaratan Penyakit Non-Standar 2.0
- Alamat: http://challenge.xfyun.cn/topic/info?type=disease-claims-2022&ch=ds22-dw-sq03
- Sumber: Iflytek
Tugas Evaluasi Konferensi Pemrosesan Informasi Kesehatan Tiongkok ke -8 (CHIP2022)
- Alamat: http://cips-chip.org.cn/
- Sumber: CHIP2022
Entitas Iflytek-Medis dan Tantangan Identifikasi Hubungan
- Alamat: http://www.fudan-disc.com/sharedtask/imcs21/index.html
- Sumber: Iflytek
"Hati" lembut dan lunak, dan model besar menciptakan pola baru layanan interaktif untuk dokter dan pasien dalam penyakit hati.
- Alamat: http://www.fudan-disc.com/sharedtask/imcs21/index.html−(https://www.dcic-china.com/competitions/10090
- Sumber: Komite Penyelenggara KTT Konstruksi Digital China
↥ Kembali ke atas
3. Dataset LLM
3.1 Cina
Huatuo-26m
- Alamat: https://github.com/freedomintelligence/huatuo-26m
- PENDAHULUAN: HUatuo-26m sejauh ini merupakan kumpulan data tanya obat Cina terbesar.
Dataset Dialog Medis Cina
- Alamat: https://github.com/toyhom/chinese-medical-dialogue-data
- Pendahuluan: Data Tanya Jawab Medis yang berisi enam departemen
Cblue
- Alamat: https://github.com/cbluebenchmark/cblue
- Pendahuluan: Meliputi ekstraksi informasi teks medis (pengakuan entitas, ekstraksi hubungan)
CMEDQA2 (108K)
- Alamat: https://github.com/zhangsheng93/cmedqa2
- PENDAHULUAN: Lebih dari 100.000 pertanyaan dan menjawab set data dalam pengobatan Cina
Xywy-kg (triple 294k)
- Alamat: https://github.com/baiyang2464/chatbot-base-on-nowledge-graph
- Pendahuluan: 44.1k Entitas 294.1k Triple
39Health-kg (Triple 210K)
- Alamat: https://github.com/zhihao-chen/qasystemonmedicalgraph
- Pendahuluan: Termasuk 15 item informasi, termasuk 7 jenis entitas, sekitar 37.000 entitas, dan 210.000 hubungan entitas.
Sistem Dialog Medis
- Alamat: https://github.com/ucsd-ai4h/medical-dialogue-system
- Dataset meddialog (Cina) berisi percakapan antara dokter dan pasien (Cina). Dataset ini memiliki 1,1 juta percakapan dan 4 juta pernyataan. Data masih berkembang, dan lebih banyak percakapan akan ditambahkan di masa depan.
Data Dialog Medis Cina
- Alamat: https://github.com/toyhom/chinese-medical-dialogue-data
- Kumpulan data ini berisi total 792.099 data dari enam departemen yang berbeda termasuk ortopedi, pediatri, kebidanan dan ginekologi, kedokteran internal, bedah, dan onkologi.
Yidu-s4k
- Alamat: http://openkg.cn/dataset/yidu-s4k
- Pendahuluan: Pengakuan Entitas, Ekstraksi Entitas, dan Atribut yang Dinamai
Yidu-n7k
- Alamat: http://openkg.cn/dataset/yidu-n7k
- Pendahuluan: Standardisasi Bahasa Klinis
Perangkapan dan Jawab Data Pengobatan Cina
- Alamat: https://github.com/zhangsheng93/cmedqa2
- PENDAHULUAN: T&J medis
Data Dialog Tanya Dokter-Pasien Cina dan Jawaban
- Alamat: https://github.com/ucsd-ai4h/medical-dialogue-system
- PENDAHULUAN: T&J medis
CPUBMED-KG (triple 4.4m)
- Alamat: https://cpubmed.openi.org.cn/graph/wiki
- PENDAHULUAN: Data jurnal teks lengkap berkualitas tinggi dari Asosiasi Medis Tiongkok
Grafik Pengetahuan Medis Cina CMEKG (Triple 1M)
- Alamat: http://cmekg.pcl.ac.cn/
- Pendahuluan: CMEKG (Grafik Pengetahuan Medis Cina)
Chip penilaian bertahun -tahun terakhir (penilaian resmi)
- Alamat: http://cips-chip.org.cn/2022/callforeval; http://www.cips-chip.org.cn/2021/; http://cips-chip.org.cn/2020/
- PENDAHULUAN: Chip penilaian tahun terakhir (penilaian resmi)
Dataset Diabetes Rumah Sakit Ruijin (Diabetes)
- Alamat: https://tianchi.aliyun.com/competition/entrance/231687/information
- Pendahuluan: Dataset Diabetes Rumah Sakit Ruijin (Diabetes)
Tianchi Covid-19 Pertanyaan Pencocokan Kompetisi (Coronavirus Baru)
- Alamat: https://tianchi.aliyun.com/competition/entrance/231776/information
- Pendahuluan: Data kompetisi ini meliputi: pasangan data masalah medis dan data pelabelan setelah desensitisasi.
3.2 Bahasa Inggris
Permedahan
- Alamat: https://github.com/chanzuckerberg/medmentions
- Pendahuluan: Dataset Tautan Entitas Biomedis Berdasarkan PubMed Abstrak
WebMedqa
- Alamat: https://github.com/hejunqing/webmedqa
- PENDAHULUAN: T&J medis
Cometa
- Alamat: https://www.siphs.org/
- Pendahuluan: Data tautan entitas medis di media sosial. Diterbitkan di EMNLP2020
PubMedqa
- Alamat: https://arxiv.org/abs/1909.06146
- PENDAHULUAN: Kumpulan data T&J medis berdasarkan ekstrak PubMed
Mediqa
- Alamat: https://sites.google.com/view/mediqa2021
- Pendahuluan: Ringkasan Teks
Dataset ChatDoctor-1
- Alamat: https://drive.google.com/file/d/1lyfqiwllsclhgrcutwuee_iacnq6xnut/view?usp=sharing
- PENDAHULUAN: 100.000 percakapan nyata antara pasien dan dokter dari healthcaremagic.com
Dataset Chatdoctor-2
- Alamat: https://drive.google.com/file/d/1zkbqgyqwc7djhs3n9tqyqvpddqmzacla/view?usp=sharing
- PENDAHULUAN: Percakapan nyata 10k antara pasien dan dokter dari icliniq.com
Bioinstruct
- Alamat: https://github.com/bio-nlp/bioinstruct
- Pendahuluan: Lebih dari 25.000 instruksi yang disesuaikan untuk tugas biomedis, termasuk tetapi tidak terbatas pada Q&A (QA), ekstraksi informasi (IE), dan pembuatan teks
Data Visual Med-Alpaca
- Alamat: https://github.com/cambridgeltl/visual-med-alpaca/tree/main/data
- Pendahuluan: Data untuk pelatihan visual med-alpaca, berasal dari Bigbio, Roco dan GPT-3.5-Turbo
Chexpert plus
- Alamat: https://github.com/stanford-aimi/chetrit-plus
- PENDAHULUAN: Dataset teks terbesar yang diterbitkan di bidang radiologi, dengan total 36 juta token teks, semuanya dilengkapi dengan gambar berkualitas tinggi dalam format DICOM, serta sejumlah besar gambar dan metadata pasien yang mencakup berbagai kelompok klinis dan sosial, serta banyak label patologis dan anotasi radgraph yang mencakup berbagai kelompok klinis dan sosial, serta banyak label patologis dan radgraph radgraph, radgraph, radgraph, juga banyak patologis dan radgraph, radgraph, radgraph,
↥ Kembali ke atas
4. Dataset VLM
| Dataset | Kertas | GitHub | Kata kunci |
|---|
| Medtrinity-25m | link | link | 25 million images , 10 modalities , 65 diseases , VQA , EN |
| Llava-med | link | link | 630k images , VQA , EN |
| China-Llava-Med | - | link | 60k images , VQA , ZH |
| HUATUOGPT-Vision | link | link | 647k images , VQA , EN |
| Medvidqa | link | link | 7k videos , VQA , EN |
| Dengkol-VL | link | link | 1M images , VQA , EN , ZH |
| Radfm | link | link | 16M images , 5000 diseases , VQA , EN , 2D/3D |
| Biomedparsedata | link | link | 6.8 million image-mask-description , 45 biomedical image segmentation datasets , 9 modalities , EN , 2D |
| OMNIMEDVQA | link | link | 118,010 images , 12 modalities , 2D , 20 human anatomical regions |
| Prect | link | link | 160K volumes , 42M slices , 3D , CT |
| GMAI-VL-5.5m | link | link | 5.5m image and text , 219 specialized medical imaging datasets , 2D , VQA |
| SA-MED2D-20M | link | link | 4,6 juta gambar medis 2D dan 19,7 juta topeng yang sesuai, 2D EN 4.6 million 2D medical images and 19.7 million corresponding masks |
| Imis-Bench | link | link | 6.4 million images, 273.4 million masks (56 masks per image), 14 imaging modalities, and 204 segmentation targets , EN |
↥ Kembali ke atas
5. Model pra-terlatih open source
5.1 Medis PLM
BioBert:
- Alamat: https://github.com/naver/biobert-pretrain
- PENDAHULUAN: BioBert adalah model representasi bahasa di bidang ilmu biomedis, yang secara khusus digunakan untuk tugas penambangan teks biomedis, seperti pengakuan entitas yang disebut biomedis, ekstraksi hubungan, tanya jawab, dll.
5.2 Medical LLM
5.2.1 Model medis multibahasa
Apollomoe:
- Alamat: https://github.com/freedomintelligence/apollomoe
- PENDAHULUAN: Demokratisasi secara efektif LLM dalam 50 obat -obatan bahasa melalui campuran para ahli keluarga bahasa
Apollo:
- Alamat: https://github.com/freedomintelligence/apollo
- PENDAHULUAN: Meduling Multilingual Ringan LLM, mempopulerkan kecerdasan buatan medis hingga 6 miliar orang
MMEDLM:
- Alamat: https://github.com/magic-ai4med/mmedlm
- PENDAHULUAN: Model bahasa medis multibahasa open source pertama
5.2.2 Model Bahasa Besar Medis Cina
- Bentsao:
- Alamat: https://github.com/scir-hi/huatuo-llama-med-chinese
- Pendahuluan: Bentsao didasarkan pada LLAMA-7B dan diperoleh melalui penyesuaian instruksi/instruksi medis Tiongkok. Para peneliti membangun dataset instruksi medis Tiongkok melalui grafik pengetahuan medis dan GPT3.5 API, dan instruksi Llama yang disesuaikan dengan dasar ini, meningkatkan efek tanya jawab Llama di bidang medis.
- Bianque:
- Alamat: https://github.com/scutcyr/bianque
- Pendahuluan: Model dialog medis yang disesuaikan dengan instruksi dan beberapa putaran dialog penyelidikan. Menggunakan Clueai/Chatyuan-Large-V2 sebagai pangkalan, ia menggunakan instruksi tanya jawab medis Medis dan dataset campuran dari berbagai putaran dialog penyelidikan untuk fine-tuning.
- Soulchat:
- Alamat: https://github.com/scutcyr/soulchat
- Pendahuluan: Lingxin menggunakan chatglm-6b sebagai model inisialisasi, dan menyempurnakan instruksi teks panjang Cina di bidang konseling psikologis dan berbagai putaran data dialog empati untuk meningkatkan kemampuan empati model, memandu kemampuan pengguna untuk berbicara, dan memberikan saran yang masuk akal.
- Dokterglm:
- Alamat: https://github.com/xionghonglin/doctorglm
- PENDAHULUAN: Model konsultasi Cina berdasarkan chatglm-6b. Model ini disesuaikan melalui dataset dialog medis Tiongkok, yang mewujudkan penyesuaian dan penyebaran termasuk Lora, p-tuningv2, dll.
- HUATUOGPT:
- Alamat: https://github.com/freedomintelligence/huatuogpt
- Pendahuluan: Hua Tuo GPT adalah model seperti GPT yang diperoleh dengan instruksi medis Cina Penyesuaian/Instruksi Penyesuaian Baik (penyesuaian instruksi). Model ini adalah LLM Cina yang dirancang khusus untuk konsultasi medis. Data pelatihannya berisi data yang disuling dari chatgpt dan data nyata dari dokter. Umpan balik dari RLHF ditambahkan selama proses pelatihan.
- HUATUOGPT-II:
- Alamat: https://github.com/freedomintelligence/huatuogpt-ii
- Pendahuluan: Hua Tuo GPT2 mengadopsi metode adaptasi lapangan yang inovatif, sangat meningkatkan pengetahuan medis dan kemampuan dialognya. Ini telah menunjukkan kinerja terkemuka dalam berbagai tolok ukur medis, terutama melampaui GPT-4 dalam evaluasi ahli dan ujian kualifikasi praktik medis baru.
5.2.3 Model Bahasa Medis Bahasa Inggris
- Gatortron:
- Alamat: https://github.com/uf-hobi-informatics-lab/gatortron
- PENDAHULUAN: Model mockup awal di bidang perawatan kesehatan, yang didedikasikan untuk bagaimana sistem menggunakan kasus kesehatan elektronik yang tidak terstruktur mendapat manfaat dari mockup medis dengan miliaran parameter.
- Codex-Med:
- Alamat: https://github.com/vlievin/medical-reasoning
- Pendahuluan: Didedikasikan untuk kemampuan model GPT-3.5 untuk menjawab dan alasan untuk masalah medis yang sebenarnya. Dataset Tes Medis USMLE dan MEDMCQA, dan Dataset Pemahaman Bacaan Medis PubMedqa.
- Galactica:
- Alamat: https://galactica.org/
- PENDAHULUAN: Galactica berkomitmen untuk memecahkan informasi yang berlebihan di bidang sains, dan menyimpan dan menggabungkan pengetahuan ilmiah termasuk bidang medis dan kesehatan. Galactica dilatih pada sekelompok besar makalah dan referensi untuk mencoba menemukan hubungan potensial antara penelitian di berbagai bidang.
- DEID-GPT:
- Alamat: https://github.com/yhydhx/chatgpt-api
- Pendahuluan: Kerangka kerja de-identifikasi yang diaktifkan GPT4 yang inovatif yang dapat secara otomatis mengidentifikasi dan menghapus informasi identifikasi.
- Chatdoctor:
- Alamat: https://github.com/kent0n-li/chatdoctor
- PENDAHULUAN: Model dialog medis yang diperoleh dengan menyempurnakan berdasarkan llama menggunakan pengetahuan dasar di bidang medis.
- Medalpaca:
- Alamat: https://github.com/kbreakm/medalpaca
- Pendahuluan: Medalpaca mengadopsi strategi sumber terbuka yang didedikasikan untuk menyelesaikan masalah privasi dalam sistem perawatan kesehatan. Model ini dibangun di atas llama dengan 7 miliar dan 13 miliar parameter.
- PMC-llama:
- Alamat: https://github.com/chaoyi-wu/pmc-llama
- Pendahuluan: PMC-Llama adalah model bahasa open source yang lebih lanjut menanamkan pengetahuan medis dengan mengatur LLAMA-7B dalam total 4,8 juta makalah akademik biomedis untuk meningkatkan kemampuannya di bidang medis.
- Visual Med-Alpaca:
- Alamat: https://github.com/cambridgeltl/visual-med-alpaca
- PENDAHULUAN: Visual Med-Alpaca adalah model dasar biomedis open source, parameter-efisien yang dapat diintegrasikan dengan "ahli penglihatan" obat untuk tugas biomedis multimoda. Model ini dibangun di atas arsitektur LLAMA-7B dan dilatih menggunakan set instruksi yang dikuratori oleh GPT-3.5-Turbo dan pakar manusia.
- Gatortrongpt:
- Alamat: https://github.com/uf-hobi-informatics-lab/gatortrongpt
- Pendahuluan: Gatortrongpt adalah model bahasa generatif medis. Model ini dibangun di atas GPT-3 dan berisi 5 miliar atau 20 miliar parameter. Model ini menggunakan kumpulan besar teks klinis dan bahasa Inggris yang berisi 277 miliar kata.
- Medagi:
- Alamat: https://github.com/joshuachou2018/medagi
- Pendahuluan: Medagi, contoh, menyatukan model bahasa medis khusus domain dengan biaya terendah, memberikan cara yang mungkin untuk menerapkan kecerdasan buatan medis umum.
- Llava-med:
- Alamat: https://github.com/microsoft/llava-med
- PENDAHULUAN: LLAVA-MED menggunakan domain umum LLAVA untuk inisialisasi dan kemudian dilatih secara terus menerus dengan cara pembelajaran kursus (pertama dengan penyelarasan konsep biomedis, diikuti oleh penyesuaian instruksi komprehensif).
- Med-Flamingo:
- Alamat: https://github.com/snap-stanford/med-flamingo
- PENDAHULUAN: Med-Flamingo adalah model bahasa visual yang dirancang khusus untuk memproses data multimodal interlaced yang berisi gambar dan teks. Berdasarkan Flamingo, Med-Flamingo lebih meningkatkan kemampuannya di bidang medis ini dengan pra-pelatihan berbagai sumber pengetahuan multimodal dalam berbagai disiplin kedokteran.
5.3 VLM Medis
| Model | Kertas | GitHub |
|---|
| Medvint | link | link |
| Med-Flamingo | link | link |
| Llava-med | link | link |
| Qilin-med-vl | link | link |
| Radfm | link | link |
| Meddr | link | link |
| HUATUOGPT-Vision | link | link |
| Biomedgpt | link | link |
| Med-moe | link | link |
| R -llava | link | - |
| Med-2e3 | link | - |
| Gmai-vl | link | link |
5.4 Benchmark VLM Medis
| Benchmark | Kertas | GitHub |
|---|
| Gmai-mmbench | link | link |
| OMNIMEDVQA | link | link |
| MMMU | link | link |
| Multimedeval | link | link |
| Worldmedqa-v | link | - |
↥ Kembali ke atas
6. Makalah Terkait
6.1 Makalah yang mungkin membantu di era pasca-chatgpt
Model Bahasa Besar Pengkodean Kertas Pengetahuan Klinis Alamat: https://arxiv.org/abs/2212.13138
Kinerja ChatGPT di USMLE: Potensi untuk Pendidikan Kedokteran AI-Dibantu Menggunakan Model Bahasa Besar Alamat Kertas: https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000198
Pengujian (Turing) untuk Alamat Makalah Nasihat Medis Chatgpt: https://arxiv.org/abs/2301.10035
ToolFormer: Model Bahasa dapat diajarkan dengan sendirinya menggunakan Alamat Kertas Alat: https://arxiv.org/abs/2302.04761
Periksa fakta Anda dan coba lagi: Tingkatkan makalah model bahasa besar menggunakan pengetahuan eksternal dan umpan balik otomatis: https://arxiv.org/abs/2302.12813
GPT-4 Kemampuan pada Tantangan Medis Alamat kertas: https://arxiv.org/abs/2303.13375
6.2 Artikel Ikhtisar
- Model bahasa pra-terlatih di bidang ilmu biomedis: alamat kertas survei sistematis
- Ringkasan Alamat Makalah Panduan Pembelajaran DEEP Healthcare Makalah Alamat Alam Pengobatan
- Tinjauan Alamat Makalah Model Bahasa Besar Di Bidang Perawatan Kesehatan
6.3 Artikel khusus tugas
Artikel yang Terkait Rekam Medis Elektronik
- Transfer pembelajaran dari literatur medis untuk prediksi bagian dalam Alamat Makalah Catatan Kesehatan Elektronik
- Mufasa: Arsitektur Fusi Multimodal Mencari Alamat Makalah Catatan Kesehatan Elektronik
Ekstraksi hubungan medis
- Memanfaatkan Hutan Ketergantungan untuk Alamat Makalah Ekstraksi Saraf Medis
Grafik Pengetahuan Medis
- Mempelajari grafik pengetahuan kesehatan dari alamat kertas catatan medis elektronik
Diagnosis tambahan
- Evaluasi dan Diagnosis Akurat Penyakit Anak Menggunakan Kecerdasan Artistik
Linking Entitas Medis (Standardisasi)
- Entitas Medis Menghubungkan Menggunakan Alamat Kertas Jaringan Triplet
- Kerangka kerja menghasilkan-dan-peringkat dengan regularisasi tipe semantik untuk Alamat Kertas Normalisasi Konsep Biomedis
- Model saraf dalam untuk normalisasi konsep medis dalam alamat kertas teks yang dibuat pengguna
6.4 Indeks Rapat
Daftar makalah terkait di bidang kedokteran di ACL2020
- Kerangka kerja menghasilkan-dan-peringkat dengan regularisasi tipe semantik untuk Alamat Kertas Normalisasi Konsep Biomedis
- Representasi entitas biomedis dengan alamat kertas marginalisasi sinonim
- Terjemahan Dokumen vs. Penerjemahan Kueri untuk Pengambilan Informasi Lintas Lintas dalam Alamat Kertas Domain Medis
- MIE: Ekstraktor Informasi Medis Menuju Alamat Kertas Dialog Medis
- Merasionalisasi prediksi hubungan medis dari alamat kertas statistik tingkat corpus
AAAI2020 Medical NLP Terkait Daftar Kertas
- Tentang generasi alamat kertas tanya jawab medis
- Latte: Pemodelan Jenis Laten untuk Alamat Makalah Linking Entitas Biomedis
- Belajar embeddings konseptual-kontekstual untuk alamat kertas teks medis
- Memahami percakapan medis dengan perhatian kata kunci yang tersebar dan pengawasan yang lemah dari alamat kertas respons
- Secara bersamaan menghubungkan entitas dan mengekstraksi hubungan dari teks biomedis tanpa alamat kertas pengawasan level
- Bisakah embeddings secara memadai mewakili terminologi medis? Dataset kesamaan istilah medis skala besar baru memiliki jawabannya! Alamat kertas
Daftar Kertas Terkait NLP Medis EMNLP2020
- Menuju pemahaman membaca mesin medis dengan pengetahuan struktural dan alamat kertas teks biasa
- Meddialog: Alamat kertas dialog medis skala besar
- COMETA: Corpus untuk entitas medis yang menghubungkan di alamat makalah media sosial
- Ekstraksi peristiwa biomedis sebagai alamat kertas pelabelan urutan
- Feded: Pembelajaran Federasi Melalui Distilasi Ensemble Untuk Medis Hubungan Ekstraksi Makalah Alamat Analisis: Feded: Pembelajaran Federasi untuk Ekstraksi Hubungan Medis (berdasarkan distilasi fusi)
- Mengenakan pengetahuan penyakit ke dalam untuk menjawab pertanyaan kesehatan, inferensi medis dan alamat kertas pengenalan nama penyakit
- Model generatif yang digerakkan oleh pengetahuan untuk multi-implikasi Prosedur Medis Medis Mata Paper Normalisasi Entitas Alamat
- Biomegatron: Alamat kertas model bahasa biomedis yang lebih besar
- Meminta seluruh genre untuk klaim medis dalam alamat kertas berita
↥ Kembali ke atas
7. Open Source Toolkit
- Alat Partisi Kata: Alamat Proyek PKUSEG Deskripsi Proyek: Alat Participle Multi-Domain Tiongkok yang diluncurkan oleh Universitas Peking mendukung pemilihan bidang medis.
↥ Kembali ke atas
8. Solusi Produk Kelas Industri
Kebijaksanaan Obat Rohani
Dokter kidal
Yidu Cloud Research Institute-Medical Natural Language Processing
Baidu - Struktur Teks Medis
Alibaba Cloud - Pemrosesan Bahasa Alami Medis
↥ Kembali ke atas
9. Berbagi Blog
- Alpaca: Instruksi Open Source yang kuat mengikuti model berikut
- Pelajaran yang dipetik dari membangun sistem pemrosesan bahasa alami di bidang medis
- Pengantar Database Publik Medis dan Teknologi Penambangan Data di Era Big Data
- Melihat pengembangan NLP di bidang medis dari ACL 2021, dengan pengunduhan sumber daya
↥ Kembali ke atas
10. Tautan Ramah
- Awesome_chinese_medical_nlp
- Pencarian Dataset NLP Cina
- Data medis (data terkait medis besar-besaran)
- Dataset Tianchi (termasuk beberapa set data NLP medis)
↥ Kembali ke atas
11. Referensi
@misc { medical_NLP_github ,
author = { Xidong Wang, Ziyue Lin and Jing Tang, Rongsheng Wang, Benyou Wang } ,
title = { Medical NLP } ,
year = { 2023 } ,
publisher = { GitHub } ,
journal = { GitHub repository } ,
howpublished = { url{https://github.com/FreedomIntelligence/Medical_NLP} }
}
