• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Annual meeting of the Association for Computational Linguistics;Workshop on biomedical natural language processing >PICO Element Detection in Medical Text via Long Short-Term Memory Neural Networks
【24h】

PICO Element Detection in Medical Text via Long Short-Term Memory Neural Networks

机译：通过长短期记忆神经网络对医学文本中的PICO元素进行检测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Successful evidence-based medicine (EBM) applications rely on answering clinical questions by analyzing large medical literature databases. In order to formulate a well-defined, focused clinical question, a framework called PICO is widely used, which identifies the sentences in a given medical text that belong to the four components: Participants/Problem (P), Intervention (I), Comparison (C) and Outcome (O). In this work, we present a Long Short-Term Memory (LSTM) neural network based model to automatically detect PICO elements. By jointly classifying subsequent sentences in the given text, we achieve state-of-the-art results on PICO element classification compared to several strong baseline models. We also make our curated data public as a benchmarking dataset so that the community can benefit from it.
机译：成功的循证医学（EBM）应用程序依靠通过分析大型医疗文献数据库来回答临床问题。为了制定明确的，重点临床问题，广泛使用了一个名为Pico的框架，该框架被广泛使用，这在给定的医疗文本中识别属于四个组件的给定医疗文本：参与者/问题（P），干预（I），比较（c）和结果（o）。在这项工作中，我们介绍了一个长期的短期内存（LSTM）神经网络的模型，可以自动检测微微元素。通过在给定的文本中共同分类后续句子，与几个强基线模型相比，我们对微微元素分类实现最先进的结果。我们还将我们的策策数据作为基准数据集，以便社区可以从中受益。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号