Electronic Health Record(EHR)ノートの非構造化テキストからの医療イベントとその属性の抽出のためのシーケンスラベリングは、EHRの意味的理解に向けた重要なステップです。それはファーマコビジランスおよび薬物監視を含む健康情報学において重要な用途を有する。この分野における最新の監視付き機械学習モデルは、固定コンテキストウィンドウから計算された特徴を有する条件付き確率場(CRF)に基づいている。このアプリケーションでは、さまざまなリカレントニューラルネットワークフレームワークを調べ、それらがCRFモデルを大幅に上回ることを示しました。
概要
Electronic Health Record(EHR)ノートの非構造化テキストからの医療イベントとその属性の抽出のためのシーケンスラベリングは、EHRの意味的理解に向けた重要なステップです。それはファーマコビジランスおよび薬物監視を含む健康情報学において重要な用途を有する。この分野における最新の監視付き機械学習モデルは、固定コンテキストウィンドウから計算された特徴を有する条件付き確率場(CRF)に基づいている。このアプリケーションでは、さまざまなリカレントニューラルネットワークフレームワークを調べ、それらがCRFモデルを大幅に上回ることを示しました。