Информационный научно-популярный портал
НАУКА в РФ и за рубежом
глазами блогера (работает с 01.09.2018 просмотров 11395)

Контакты (с 11 до 19): 8-903-899-44-37 Лилия или lili@k156.ru
на главную

РФ

Институты и конференции

Международные с РФ

Зарубежные

ВСЕ НОВОСТИ

Последние добавления

Все новости
(последние 10 )

2018-10-15
Открыты новые свойства соединений урана
Подробнее

2018-10-15
Авария при запуске Сюза - подробности
Подробнее

2018-10-15
Структура джетта окрестностей чёрной дыры, оказалась "матрёшкой"
Подробнее

2018-10-14
Биологи «взломали» систему фотосинтеза у фитопланктона
Подробнее

2018-10-14
Фотосинтез в обмен на золото
Подробнее

2018-10-13
Просто о сложном. Обзор нобелевских премий от портала ЧЕРДАК (ИА ТАСС )
Подробнее

2018-10-13
Бактерии и очистка территории от нефти
Подробнее

2018-10-12
Впервые успешно прошло вживление полимерной кости
Подробнее

2018-10-12
Новые датировки поселений в Сибири. Керамика, гвозди и монета
Подробнее

2018-10-11
Структура сигнального белка FZD4 и лекарства
Подробнее

 

 

ТЕМЫ НОВОСТЕЙ: • РФ • Технологии • Медицина

2018-09-15 (№ 63)
Нейросеть обучили распознавать жалобы на лекарства в соцсетях
РОССИЯ 15 сентября ИНДИКАТОР. Группа российских исследователей обучила нейронную сеть анализировать мнения пользователей соцсетей об эффектах лекарств. Основной целью ученых было преодолеть терминологический разрыв между пациентами и профессионалами в области здравоохранения. На примерах базы данных на английском языке нейронную сеть обучили превращать текст обычных людей в формальный медицинский язык. Результаты опубликованы в Journal of Biomedical Informatic. Работа поддержана грантом Российского научного фонда.

Социальные сети — практически неисчерпаемый источник мнений по широкому кругу вопросов. Люди пишут о своей работе, отношениях и в том числе жалуются на проблемы со здоровьем. По сути, социальные сети предоставляют огромные наборы данных мнений вместе с демографической информацией и другими данными о пользователе.



Хотя ученые часто используют интеллектуальный анализ текстов (text mining) в социальных сетях для перепрофилирования лекарств и генерации гипотез, мало кто сопоставлял пользовательские фразы с профессиональными терминами. Задача сопоставления упомянутого пользователем заболевания с конкретным медицинским термином называется нормализацией медицинских концептов. Сложность в том, что профессиональная медицинская лексика редко совпадает с повседневной, которую используют люди в общении. Чтобы решить эту проблему, российские исследователи использовали последовательное обучение рекуррентных нейронных сетей и семантическое представление однословных и многословных выражений.

«Важность работы определяется постоянно растущей потребностью в анализе текстовых данных. Мы живем в условиях информационного взрыва, когда количество информации удваивается каждые несколько лет, и человек или даже коллектив людей уже не способен обработать все доступные данные, — говорит соавтор работы Елена Тутубалина из Казанского федерального университета. — В нашем проекте используются методы анализа текстов и машинное обучение для извлечения полезной информации из доступных данных, как, например, в этом случае, где мы извлекали упоминания о побочных лекарственных реакциях из сообщений, которые люди пишут в социальных сетях».

По мнению авторов работы, непрерывное развитие и улучшение точности интеллектуального анализа текстов сообщений пациентов в социальных сетях окажет значительное влияние на изучение влияния лекарств на организм, повторное назначение лекарств и понимание лекарственных эффектов в контексте других факторов, таких как одновременный прием разных препаратов, диета и образ жизни.

Из публикации в Журнале Биомедицинской Информатики

sciencedirect.com/science/article/pii/S1532046418301126





Основные моменты

• Нормализация понятий и задач сопоставления выражений свободной формы с медицинскими терминами.

• Изучение последовательности с помощью рекуррентных нейронных сетей и семантического представления текста.

• Оценка сквозных нейронных архитектур и вложений word в реальный набор данных.

• Построение фреймворка(программная платформа, определяющая структуру программной системы) на основе Rnn с вниманием и функциями подобия на основе UMLS.

• Многообещающие результаты, как количественно, так и качественно, по набору обзоров лекарственных средств.

Авторы исследования: Елена Тутубалина, Зульфат Мифтатхуддинов, Сергей Николенко, Валентин Малых.

Источник

 

Сайты партнеры

 

 

Фантастика
детектив

 

 

Неоднозначное мироздание

 

costroma.k156.ru

 

 

 

(с) ООО "Новый город".
Создание сайта - веб студия Новый город