Abstract- As the volume of clinic n

Abstract- As the volume of clinic notes written in natural
language is rapidly increasing, physicians need a tool to
automatically extract information about diseases/treatments.
The main problem in extracting medical information is that
physicians use variant words to describe the same
disease/treatment. In order to help physicians interpret and
share disease/treatment information in clinic notes, we need to
reliably and effectively detect and normalize the medical terms.
In this study, we perform detection/normalization of medical
terms using a UMLS meta-thesaurus combined with a
document retrieval technique. We regard a medical sentence as
a query, and a UMLS ontology entry as a document, and try to
apply a language modeling-based information retrieval method
as currently used in the document retrieval field. Because the
term frequency in the UMLS dictionary is uniform, we employ a
domain-specific term frequency instead of traditional term
frequency. To retrieve only the relevant terms in 900,000 UMLS
entries, we also propose an adaptive ranking method which
dynamically determines the relevant documents for each query
without using static cut-off threshold.

ผลลัพธ์ (ไทย) 1:

นามธรรม-เป็นไดรฟ์ข้อมูลของคลินิกในธรรมชาติภาษาจะเพิ่มขึ้นอย่างรวดเร็ว แพทย์จำเป็นเครื่องมือในการโดยอัตโนมัติสกัดข้อมูลเกี่ยวกับโรค/รักษาเป็นปัญหาหลักในการดึงข้อมูลทางการแพทย์ที่แพทย์ใช้ตัวแปรคำอธิบายเหมือนกัน/ รักษาโรค เพื่อช่วยแพทย์ในการแปลความหมาย และจดบันทึกข้อมูลร่วมกันการรักษาโรคในคลินิก เราจำเป็นต้องน่าเชื่อถือ และมีประสิทธิภาพตรวจจับ และปรับเงื่อนไขทางการแพทย์ในการศึกษานี้ เราทำการตรวจสอบ/ฟื้นฟูของแพทย์เงื่อนไขการใช้ UMLS meta-อรรถาภิธานร่วมกับการเทคนิคการเรียกเอกสาร เราถือว่าเป็นประโยคทางการแพทย์แบบสอบถาม และรายการภววิทยา UMLS เป็นเอกสาร และพยายามที่จะใช้วิธีการสร้างโมเดลการเรียกข้อมูลภาษาในปัจจุบันใช้ในฟิลด์เรียกเอกสาร เนื่องจากการความถี่ของคำในพจนานุกรม UMLS เป็นเหมือนกัน เรามีพนักงานความถี่ระยะเวลาโดเมนเฉพาะแทนคำดั้งเดิมความถี่ เพื่อดึงเฉพาะเงื่อนไขเกี่ยวข้องใน 900,000 UMLSรายการ เรายังนำเสนอวิธีการปรับอันดับที่กำหนดเอกสารเกี่ยวข้องสำหรับแต่ละแบบสอบถามแบบไดนามิกโดยไม่ต้องใช้เกณฑ์คงตัด

ผลลัพธ์ (ไทย) 2:

Abstract- ขณะที่ปริมาณการบันทึกคลินิกเขียนในธรรมชาติ
ภาษาเพิ่มขึ้นอย่างรวดเร็ว, แพทย์ต้องใช้เครื่องมือไป
ดึงข้อมูลเกี่ยวกับโรค / การรักษาโดยอัตโนมัติ.
ปัญหาหลักในการสกัดข้อมูลทางการแพทย์คือการที่
แพทย์ใช้คำพูดที่แตกต่างกันเพื่ออธิบายเดียวกัน
โรค / การรักษา เพื่อที่จะช่วยให้แพทย์ตีความและ
แบ่งปันข้อมูลโรค / การรักษาในหมายเหตุประกอบคลินิกเราต้อง
เชื่อถือได้และมีประสิทธิภาพการตรวจสอบและปกติคำศัพท์ทางการแพทย์.
ในการศึกษานี้เราดำเนินการตรวจสอบ / ฟื้นฟูทางการแพทย์
แง่การใช้ UMLS meta-พจนานุกรมรวมกับ
เทคนิคการดึงเอกสาร เราถือว่าเป็นประโยคทางการแพทย์เป็น
แบบสอบถามและรายการ UMLS อภิปรัชญาเป็นเอกสารและพยายามที่จะ
ใช้วิธีการดึงภาษาการสร้างแบบจำลองตามข้อมูลที่
ใช้ในด้านการดึงเอกสารเป็นปัจจุบัน เพราะ
ความถี่คำในพจนานุกรม UMLS เป็นชุดที่เราใช้
ความถี่ระยะเฉพาะโดเมนแทนคำดั้งเดิม
ความถี่ เพื่อดึงเฉพาะคำที่เกี่ยวข้องใน UMLS 900,000
รายการนอกจากนี้เรายังนำเสนอวิธีการจัดอันดับการปรับตัวซึ่ง
แบบไดนามิกกำหนดเอกสารที่เกี่ยวข้องสำหรับแต่ละแบบสอบถาม
โดยไม่ต้องใช้เกณฑ์การตัดแบบคงที่

ผลลัพธ์ (ไทย) 3:

นามธรรม - ปริมาณของคลินิกบันทึกที่เขียนในธรรมชาติภาษาเพิ่มขึ้นอย่างรวดเร็วนี้ เครื่องมือแพทย์ต้องการโดยอัตโนมัติสกัดข้อมูลเกี่ยวกับโรค / การรักษาปัญหาหลักในการสกัดข้อมูลทางการแพทย์คือแพทย์ใช้ตัวแปรคำที่จะอธิบายเหมือนกันโรค / การรักษา เพื่อช่วยในการตีความ และแพทย์โรคร่วม / การรักษาข้อมูลในบันทึก คลินิก เราต้องเชื่อถือได้และตรวจสอบและปรับเงื่อนไขทางการแพทย์ได้อย่างมีประสิทธิภาพในการศึกษาครั้งนี้ได้ทำการตรวจสอบ / บรรทัดฐานทางการแพทย์เงื่อนไขการใช้พจนานุกรม รวมกับ umls เมตาเทคนิคการสืบค้นเอกสาร เราพิจารณาประโยคแพทย์เป็นการค้นหา umls อภิปรัชญาและรายการเอกสารและพยายามใช้วิธีการสืบค้นข้อมูลตามแบบภาษาที่ใช้ในปัจจุบันในสืบค้นเอกสารด้าน เพราะระยะความถี่ใน umls พจนานุกรมเป็นเครื่องแบบ เราจ้างโดเมนที่เฉพาะเจาะจงระยะความถี่แทนในระยะดั้งเดิมความถี่ เพื่อดึงเฉพาะเงื่อนไขที่เกี่ยวข้องใน 900000 umlsรายการ นอกจากนี้เรายังเสนอการจัดอันดับวิธีที่แบบไดนามิกที่กำหนดเอกสารที่เกี่ยวข้องสำหรับแต่ละแบบสอบถามโดยไม่ต้องใช้เกณฑ์ตัดคงที่