Все новости
2019-02-18
Фиксация темной материи - теория и практика
Подробнее
2019-02-17
НАСА купит места Союзах, снимает песчаные реки Марса и звезды, ищет недостающую материю
Подробнее
2019-02-17
Роскосмос: Открытие спутника «Ломоносов», инфраструктура для «Енисея» «Хаябуса-2», Юпитер в объективе «Юноны»
Подробнее
2019-02-16
Нейросеть создаёт фото несуществующих людей
Подробнее
2019-02-15
Психология в замкнутом пространстве в виртуальном полете на Луну
Подробнее
2019-02-12
Материалы наиболее эффективные для преобразования тепла
Подробнее
2019-02-11
Осцилляторную нейронную сеть научили распознавать образы
Подробнее
2019-02-08
международная экспедиция в пещерную систему Мчишта-Акшаша (Абхазия)
Подробнее
2019-01-29
Большие возможности мини-мозгов из стволовых клеток
Подробнее
2019-01-24
В межзвёздной среде обнаружили предшественника аденина
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
|