• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>AMIA Summits on Translational Science Proceedings >Towards Evidence-based Precision Medicine: Extracting Population Information from Biomedical Text using Binary Classifiers and Syntactic Patterns
【2h】

Towards Evidence-based Precision Medicine: Extracting Population Information from Biomedical Text using Binary Classifiers and Syntactic Patterns

机译：迈向基于证据的精密医学：使用二进制分类器和句法模式从生物医学文本中提取人口信息

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Precision Medicine is an emerging approach for prevention and treatment of disease that considers individual variability in genes, environment, and lifestyle for each person. The dissemination of individualized evidence by automatically identifying population information in literature is a key for evidence-based precision medicine at the point-of-care. We propose a hybrid approach using natural language processing techniques to automatically extract the population information from biomedical literature. Our approach first implements a binary classifier to classify sentences with or without population information. A rule-based system based on syntactic-tree regular expressions is then applied to sentences containing population information to extract the population named entities. The proposed two-stage approach achieved an F-score of 0.81 using a MaxEnt classifier and the rule- based system, and an F-score of 0.87 using a Nai've-Bayes classifier and the rule-based system, and performed relatively well compared to many existing systems. The system and evaluation dataset is being released as open source.
机译：精准医学是一种预防和治疗疾病的新兴方法，它考虑了每个人在基因，环境和生活方式方面的个体差异。通过自动识别文献中的人群信息来传播个性化证据是在护理点进行基于证据的精密医学的关键。我们提出一种使用自然语言处理技术的混合方法，以自动从生物医学文献中提取种群信息。我们的方法首先实现一个二进制分类器，以对具有或不具有总体信息的句子进行分类。然后将基于句法树正则表达式的基于规则的系统应用于包含总体信息的句子，以提取总体命名实体。所提出的两阶段方法使用MaxEnt分类器和基于规则的系统获得0.81的F分数，使用Nai've-Bayes分类器和基于规则的系统获得0.87的F分数，并且表现相对较好与许多现有系统相比。系统和评估数据集将作为开源发布。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

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