Named Entity Recognition using Neural Networks for Clinical Notes

Résumé : Actuellement, la meilleure performance pour la reconnaissance de l'entité nommée dans les notes médicales est obtenue par des systèmes basés sur des réseaux de neurones. Ces systèmes supervisés nécessitent des caractéristiques précises afin d'apprendre des modèles bien ajustés à partir des données de formation, dans le but de reconnaître les entités médicales comme les médicaments et les événements indésirables liés aux médicaments (EIM). Parce qu'il s'agit d'une question importante avant la formation du réseau neuronal, nous concentrons notre travail sur la construction de représentations complètes de mots (l'entrée du réseau neuronal), en utilisant des représentations de mots basés sur des caractères et des représentations de mots. La représentation proposée améliore la performance de la LSTM de référence. Cependant, il n'atteint pas les performances des concurrents les plus performants dans le challenge de détection d'entités médicales à partir de notes cliniques.
Type de document :
Communication dans un congrès
NLP Challenges for Detecting Medication and Adverse Drug Events from Electronic Health Records (MADE1.0), May 2018, Massachusetts, United States. 〈https://bio-nlp.org/index.php/announcements/39-nlp-challenges〉
Liste complète des métadonnées

Littérature citée [17 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01786995
Contributeur : Michel Riveill <>
Soumis le : lundi 7 mai 2018 - 10:38:53
Dernière modification le : lundi 5 novembre 2018 - 15:52:10
Document(s) archivé(s) le : mardi 25 septembre 2018 - 17:33:59

Fichier

UCA-I3S_2.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01786995, version 1

Citation

Edson Florez, Frédéric Precioso, Romaric Pighetti, Michel Riveill. Named Entity Recognition using Neural Networks for Clinical Notes. NLP Challenges for Detecting Medication and Adverse Drug Events from Electronic Health Records (MADE1.0), May 2018, Massachusetts, United States. 〈https://bio-nlp.org/index.php/announcements/39-nlp-challenges〉. 〈hal-01786995〉

Partager

Métriques

Consultations de la notice

162

Téléchargements de fichiers

218