Πλαίσιο επί τη βάσει τεχνητής νοημοσύνης για τη δόμηση ιατρικών διαγνώσεων ελεύθερου κείμενου

Περίληψη

Οι ενότητες ελεύθερου κείμενου των ιατρικών διαγνώσεων περιέχουν πληθώρα δεδομένων για ασθενείς, ασθένειες και περίπλοκες διαγνωστικές διαδικασίες. Ωστόσο, η ανάλυση δεδομένων σε μορρφή ελεύθερου κείμενου δεν είναι εύκολη με τη χρήση ηλεκτρονικών υπολογιστών και εργαλείων προτυποποίησης βασισμένα σε ηλεκτρονικό υπολογιστή (computer-based models). Η πλειονότητα των τεχνικών ανάλυσης που βασίζονται σε επεξεργασία φυσικής γλώσσας (natural language processing NLP) δεν έχουν την ικανότητα να εξαγάγουν με ακρίβεια πολύπλοκες διαγνωστικές πληροφορίες και τις μεταξύ τους σχέσεις. Επίσης δεν παρέχουν επαρκή αναπαράσταση γνώσης (knowledge representation KR) για την υποστήριξη εφαρμογών εξόρυξης δεδομένων.Για την αντιμετώπιση αυτών των περιορισμών, ένα νέο πλαίσιο πληροφορικής (informatics) θεσπίζεται για την ανάλυση ιατρικών διαγνώσεων σε ελεύθερο κείμενο. Το πλαίσιο βασίζεται σε προτυποποιήσεις με βάση την τεχνητή νοημοσύνη (artificial intelligence AI). Οι προτυποποιήσεις αυτές ενσωματώνουν τεχ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Free-text sections of diagnostic reports contain a wealth of data on patients, diseases, and complex diagnostic processes. However, free-text data are a poor starting point for computer-based analytics. The majority of natural language processing (NLP) based approaches lack a capacity to accurately extract complex diagnostic entities and their relationships as well as to provide adequate knowledge representation (KR) for downstream data mining applications.In order to overcome these limitations, a novel informatics framework is introduced for the analysis of free-text diagnostic reports. The framework is based on artificial intelligence (AI) modeling. Here, AI-based modeling integrates natural language processing information extraction techniques (NLP-IE), ontology-based knowledge representation, n-ary relations according to ontological patterns, and information entropy-based data mining approaches. Diagnostic reports are transformed to knowledge graphs (KGs) of relational triples for ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/50308
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/50308
ND
50308
Εναλλακτικός τίτλος
Artificial intelligence driven framework for the structurization of free-text diagnostic reports
Συγγραφέας
Γιάνναρης, Περικλής του Σταύρος
Ημερομηνία
2020
Ίδρυμα
University of Missouri - Columbia
Εξεταστική επιτροπή
Shin Dmitriy
Hammer Richard
Shyu Chi-Ren
Popescu Mihail
Laziuk Katsiaryna
Επιστημονικό πεδίο
Ιατρική και Επιστήμες ΥγείαςΕπιστήμες Υγείας ➨ Ιατρική Πληροφορική
Λέξεις-κλειδιά
Τεχνιτή νοημοσύνη; Επεξεργασία φυσικής γλώσσας; Εξαγωγή πληροφοριών; Τριπλέτες; Οντολογία; Αναπαράσταση γνώσης; Σχήμα ν-σχέσων; Γραφήματα γνώσης; Εντροπία της πληροφορίας; Ιατρικές διαγνώσεις; Διαγνωστικές πληροφορίες; Βιοϊατρικές πληροφορίες
Χώρα
Η.Π.Α.
Γλώσσα
Αγγλικά
Άλλα στοιχεία
πιν., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.