基于概念空间模型的医学同义词抽取

Web上确定对象和关系同义词的无监督方法

Unsupervised Methods for Determining Object and Relation Synonyms on the Web

Temple University（天普大学）；University of Washington（华盛顿大学）

识别同义关系和对象的任务，或同义词解析，是高质量的信息抽取的关键。本文研究了无监督信息抽取中的同义词解析问题，其中既没有手工标记的训练样本，也没有领域知识。本文提出了一个可扩展的，完全实现的系统，运行在O（KNlogN）的时间在提取的数量，N，和每个单词的同义词的最大数量，K。该系统名为Resolver，引入了一个概率关系模型，用于根据包含它们的断言的相似性来预测两个字符串是否相互引用。在一组从Web上提取的200万个断言中，Resolver以78%的精度和68%的召回率解析对象，并以90%的精度和35%的召回率解析关系。研究了旋转变压器概率模型的几种变化形式，实验表明，在适当的条件下，这些变化形式可以使F1提高5%。对基本的Resolver系统的扩展允许它在TREC语料库的数据集上以97%的准确率和95%的召回率处理多义名称。

2014-01-15cs.CL

emrQA-msquad：基于SQuAD V2.0框架构建并融入emrQA医学信息的医学数据集

emrQA-msquad: A Medical Dataset Structured with the SQuAD V2.0 Framework, Enriched with emrQA Medical Information

School of Computer Science（计算机学院）；Beijing Institute of Technology（北京理工大学）

该研究构建了emrQA-msquad医学跨度提取数据集，并通过微调BERT等模型，将医学问答系统的F1分数显著提升至0.75-1.00。

2024-04-18cs.CL

同义词提取的最新趋势和方法：对阿拉伯语的潜在适应

Current Trends and Approaches in Synonyms Extraction: Potential Adaptation to Arabic

Birzeit University（比尔宰特大学）

从词典或语料库中提取同义词正受到特别关注，因为同义词在提高NLP应用程序性能方面发挥着重要作用。本文综述了同义词自动提取的各种方法和发展趋势。这些方法可分为四大类。第一种方法是使用翻译图来找到同义词。第二种方法是发现新的转换对，例如（阿拉伯语-英语）（英语-法语）然后（阿拉伯语-法语）。第三种方法是通过探索同义图来构建新的WordNet，第四种方法是使用深度学习方法从语料库中找到相似的单词，例如词嵌入和最近的BERT模型。本文还提出了这些方法之间的比较分析，并强调潜在的适应自动生成同义词在阿拉伯语作为未来的工作。

2022-05-20cs.AIcs.CLcs.IR

基于新子空间嵌入的反义词-同义词分类

Antonym-Synonym Classification Based on New Sub-space Embeddings

UNSW（新南威尔士大学）；DGUT（东莞理工学院）；NUDT（国防科技大学）

区分反义词和同义词是许多专注于词汇-语义关系抽取的自然语言处理应用的关键挑战。现有的解决方案依赖于大规模的语料库，因为反义词和同义词对的巨大的上下文重叠产生低性能。我们提出了一种完全基于预训练嵌入的新方法。我们假设预训练的嵌入理解了词汇语义信息的混合，我们可以使用本文提出的Distiller模型提取特定于任务的信息。随后，基于从提取的子空间构造的特征以及一些词级特征来训练分类器，以区分反义词和同义词。实验结果表明，该模型在速度和性能上都优于已有的反义词同义词区分研究。

2019-06-13cs.CL

MedDec：一个用于从出院总结中提取医疗决策的数据集

MedDec: A Dataset for Extracting Medical Decisions from Discharge Summaries

Miner School of Computer & Information Sciences, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校 Miner 计算机与信息科学学院）；Institute for Medical Engineering and Science, Massachusetts Institute of Technology（麻省理工学院医学工程与科学研究院）

本文提出医疗决策提取任务并构建了MedDec数据集，包含11种疾病表型及10类医疗决策标注，通过开发基线模型和评估现有方法揭示了临床决策提取的复杂性。

2024-08-23cs.CLcs.LG

MedRECT：面向临床文本错误纠正的医学推理基准

MedRECT: A Bilingual Medical Reasoning Benchmark for Error Correction in Clinical Texts

Preferred Networks, Inc.；School of Medicine, Nagoya University（Nagoya大学医学部）

本文提出首个跨语言医学错误纠正基准MedRECT，包含日英双语数据集，评估9个LLM后发现推理模型表现更优，经LoRA微调的模型在错误纠正任务上超越了人类专家。

2026-10-01cs.AIcs.CLcs.LG

多类环境下上下文同义词的自监督检测：表型标注用例

Self-Supervised Detection of Contextual Synonyms in a Multi-Class Setting: Phenotype Annotation Use Case

Imperial College London（帝国理工学院）；Pangaea Data Limited；Hong Kong Baptist University（香港浸会大学）

语境化的词嵌入是一种检测语境同义词的有力工具。然而，大多数当前最先进的（SOTA）深度学习概念提取方法仍然是有监督的，并且没有充分利用上下文的潜力。在本文中，我们提出了一种自我监督的预训练方法，该方法能够检测由浅层匹配创建的数据上训练的概念的上下文同义词。我们将我们的方法应用于稀疏多类设置（超过15，000个概念）中，从电子健康记录中提取表型信息。我们进一步研究了数据增强技术来解决类稀疏性的问题。我们的方法实现了一个新的SOTA的无监督表型概念注释的临床文本上F1和召回优于以前的SOTA的增益高达4.5和4.0的绝对点，分别。在仅用20%的标记数据进行微调后，我们的表现也优于BioBERT和ClinicalBERT。对三个ICU基准的外在评估也显示了使用我们的模型注释的表型作为特征的好处。

2021-09-04cs.CL

使用信息抽取从阿拉伯语-英语机器可读词典中提取知识

Extracting Knowledge from an Arabic-English Machine-Readable Dictionary Using Information Extraction

Department of Computer Science（计算机科学系）；Department of EECE（电子工程与计算机科学系）；Faculty of Computers and Information, Cairo University（开罗大学计算机与信息学院）；Faculty of Engineering, Cairo University（开罗大学工程学院）；Department of Arabic Language and Literatures（阿拉伯语言与文学系）；Faculty of Arts, Cairo University（开罗大学艺术学院）

提出一种从阿拉伯语-英语Al-Mawrid词典中自动提取词汇信息的方法，利用n-gram和KWIC分析发现语言模式，并通过基于规则的抽取获得高精度，同义词召回率高。

2026-06-26cs.CL

MedicalBench: 评估大型语言模型以改进医疗概念提取

MedicalBench: Evaluating Large Language Models Toward Improved Medical Concept Extraction

Optum AI

本文提出MedicalBench，一个用于评估大型语言模型在医疗概念提取中的表现的基准，重点在于隐含概念的提取和证据 grounding，通过多阶段流程构建数据集并定义两种互补的评估任务，揭示了隐含概念提取的挑战。

2026-10-22cs.CL

用于医学实体抽取的预训练语言模型与小样本学习

Pre-trained Language Models and Few-shot Learning for Medical Entity Extraction

Santa Clara University（圣克拉拉大学）；San Francisco State University（旧金山州立大学）；Cornell University（康奈尔大学）；The Chinese University of Hong Kong（香港中文大学）；Stevens Institute of Technology（史蒂文斯理工学院）

本文研究基于Transformer的医学实体抽取，比较多种预训练语言模型和抽取方法，并验证小样本学习在低资源场景下的有效性，证明预训练模型与小样本学习结合可提升医学实体抽取准确性。

2025-04-06cs.CL

基于剪枝语义依赖森林的医学关系抽取

Supporting Medical Relation Extraction via Causality-Pruned Semantic Dependency Forest

University of Chinese Academy of Sciences（中国科学院大学）；Institute of Software Chinese Academy of Sciences（中国科学院软件研究所）；University Of Electronic Science And Technology Of China（电子科技大学）

医学关系抽取任务旨在抽取医学文本中实体之间的关系。传统的关系抽取方法通过探索句法信息取得了令人印象深刻的成功，例如，依赖树然而，1-最好的依赖树的医疗文本产生的域外分析器的质量是相对有限的，使医疗关系抽取方法的性能可能会下降。为此，我们提出了一种基于因果解释理论的医学文本语义和句法信息联合建模方法。我们生成的依赖森林组成的语义嵌入的1-最好的依赖树。然后，采用特定于任务的因果解释器对依赖森林进行剪枝，并将剪枝后的依赖森林输入到所设计的图卷积网络中，为下游任务学习相应的表示.从经验上讲，基准医疗数据集上的各种比较证明了我们的模型的有效性。

2022-08-29cs.CL

Amazon Comprehend Medical的评估：药物信息抽取

Assessment of Amazon Comprehend Medical: Medication Information Extraction

NYU Langone Health（纽约大学朗格尼医学中心）

2018年11月27日，Amazon Web Services（AWS）发布了Amazon Comprehend Medical（ACM），这是一个基于深度学习的系统，可以从临床文本笔记中自动提取临床概念（包括解剖结构、医疗状况、受保护的健康信息（PH）I、测试名称、治疗名称、医疗程序和药物）。对任何新数据产品的接受和信任都依赖于跨基准数据集和工具的独立验证，以建立和确认预期的结果质量。这项工作的重点是药物提取任务，特别是使用2009年i2b2药物提取挑战赛和2018年n2c2轨道2的官方测试集评估ACM：不良药物事件和EHR中的药物提取。总体而言，ACM的F评分为0.768和0.828。与各自挑战中的三个最佳系统相比，这些分数排名最低。为了进一步确定其药物提取性能的普遍性，这项工作还包括来自纽约大学Langone医学中心的一组随机内部临床文本注释。在这个语料库中，ACM获得了0.753的F分数。

2020-02-02cs.CL

中文临床文本医学信息标注与抽取的统一框架

A Unified Framework of Medical Information Annotation and Extraction for Chinese Clinical Text

HwaMei Hospital, University of Chinese Academy of Sciences（中国科学院大学华美医院）；Ningbo Institute of Life and Health Industry, University of Chinese Academy of Sciences（中国科学院大学宁波生命与健康产业研究院）

医学信息抽取由一组自然语言处理（NLP）任务组成，这些任务协作地将临床文本转换为预定义的结构化格式。当前最先进的（SOTA）NLP模型与深度学习技术高度集成，因此需要大量带注释的语言数据。本研究提出了一个医学实体识别、关系抽取和属性抽取的工程框架，在标注、建模和评价上实现了统一。具体而言，注释方案是全面的，并且在任务之间是兼容的，特别是对于医疗关系。最终的标注语料库包括1,200份完整的病历（或18,039份分解文档），三个任务的标注者间一致性（IAAs）分别达到94.53%，73.73%和91.98%F1分数。三个任务特定的神经网络模型是在一个共享的结构中开发的，并通过SOTA NLP技术增强，即，预训练的语言模型。实验结果表明，该系统能准确地检索出医学实体、关系和属性，其F1得分分别为93.47%、67.14%和90.89%。本研究，除了我们公开发布的注释方案和代码，提供了坚实的和实际的工程经验，开发一个集成的医疗信息抽取系统。

2022-03-08cs.CL

基于BERT的序列标注模型在中文医学文本属性抽取中的应用

Applications of BERT Based Sequence Tagging Models on Chinese Medical Text Attributes Extraction

Tsinghua-iFlytek Joint Laboratory（清华大学科大讯飞联合实验室）

我们将中文医学文本属性抽取任务转化为序列标注或机器阅读理解任务。基于BERT预训练模型，我们不仅尝试了广泛使用的LSTM-CRF序列标记模型，还尝试了其他序列模型，如CNN，UCNN，WaveNet，SelfAttention等，这些模型达到了与LSTM+CRF相似的性能。这揭示了传统的序列标记模型。由于不同序列标记模型的重点方面差异很大，因此将这些模型集成在一起会增加最终系统的多样性。通过这样做，我们的系统在中文医学文本属性提取任务（CCKS 2019任务1的子任务2）上取得了良好的性能。

2020-08-22cs.CL

一种用于联合医学关系抽取的双向树标记方案

A Bidirectional Tree Tagging Scheme for Joint Medical Relation Extraction

Peking University（北京大学）

联合医学关系抽取是指用单一模型从医学文本中抽取由实体和关系组成的三元组。解决方案之一是将此任务转换为顺序标记任务。然而，在现有的工作中，以线性方式表示和标记三元组的方法无法处理重叠三元组，并且将三元组组织为图的方法面临着计算量大的挑战。在本文中，受医学文本中的树状关系结构的启发，我们提出了一种新的方案，称为双向树标记（BiTT），形成医疗关系三元组为两个两个二叉树，并将树转换成一个字级的标签序列。基于BiTT方案，我们开发了一个联合关系抽取模型来预测BiTT标签，并进一步有效地提取医学三元组。在两个医学数据集上，我们的模型在F1评分上比最佳基线高出2.0%和2.5%。更重要的是，我们的BiTT计划的模型也取得了可喜的结果在其他领域的三个公共数据集。

2022-08-17cs.CL

利用句法模式改进医学检索中的信息抽取

Syntactic Patterns Improve Information Extraction for Medical Search

King’s College London（伦敦国王学院）；University of Pennsylvania（宾夕法尼亚大学）；Northeastern University（东北大学）；Rutgers University-Camden（罗格斯大学卡姆登分校）；Google Inc.（谷歌公司）

医疗专业人员通过指定患者类型、医疗干预和关注的结局指标来检索已发表文献。在本文中，我们展示了如何编码的语法模式的功能，提高性能的最先进的序列标记模型（线性和神经）的信息抽取这些医学相关的类别。我们提出了一个分析的类型的模式利用，和语义空间诱导这些，即，为识别的多令牌模式学习分布式表示。我们发现，这些学到的表示与那些构成的单字有很大的不同，这表明这些模式捕获了否则会丢失的上下文信息。

2018-04-30cs.CL

正则表现式侦测与依存句法分析于德文医学文献否定式抽取之利弊研究。技术报告

A Case Study on Pros and Cons of Regular Expression Detection and Dependency Parsing for Negation Extraction from German Medical Documents. Technical Report

German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Oldenburg University（奥尔登堡大学）

我们描述了我们的工作信息抽取在德国写的医疗文件，特别是检测否定使用的架构的基础上UIMA管道。基于我们以前在软件模块上的工作，以涵盖诊断，检查等医学概念，我们采用了一个版本的NegEx正则表达式算法，其中包含大量触发器作为基线。我们展示了如何一个显着较小的触发集是足以实现类似的结果，以减少适应新的文本类型的时间。我们详细说明的问题是否依存句法分析（基于斯坦福CoreNLP模型）是一个很好的选择，并描述了这两种方法的潜力和缺点。

2021-05-20cs.CL

Comprehend Medical：一个命名实体识别和关系抽取的Web服务

Comprehend Medical: a Named Entity Recognition and Relationship Extraction Web Service

Amazon（亚马逊）

Comprehend Medical是一项无状态且符合健康保险流通与责任法案（HIPAA）资格的命名实体识别（NER）和关系提取（RE）服务，在Amazon Web Services（AWS）下推出，使用最先进的深度学习模型进行训练。与许多现有的开源工具相反，Comprehend Medical是可扩展的，不需要陡峭的学习曲线，依赖关系，管道配置或安装。目前，Comprehend Medical在五个医疗类别中执行NER：解剖学，医疗条件，药物，受保护的健康信息（PHI）和治疗，测试和程序（TTP）。此外，该服务还为检测到的实体提供关系提取以及上下文信息，例如以特征形式的否定和暂时性。Comprehend Medical提供两个应用程序编程接口（API）：1）NERe API，返回所有提取的命名实体、其特征及其之间的关系; 2）PHId API，仅返回文本中包含的受保护健康信息。此外，Comprehend Medical可通过AWS控制台、Java和Python软件开发工具包（SDK）访问，使非开发人员和开发人员更容易使用。

2019-10-15cs.CL

基于跨度的BERT关系抽取模型在影像学检查中的应用

Extracting Radiological Findings With Normalized Anatomical Information Using a Span-Based BERT Relation Extraction Model

University of Washington（华盛顿大学）；George Mason University（乔治梅森大学）

医学成像对于诊断和治疗许多医学问题至关重要，包括许多形式的癌症。医学成像报告提取放射科医生的发现和观察结果，创建非结构化医学图像的非结构化文本表示。这种文本编码信息的大规模使用需要将非结构化文本转换为结构化的语义表示。我们探讨的提取和规范化的放射学报告中的解剖信息，是与放射学的发现。我们调查这个提取和规范化的任务，使用基于跨度的关系抽取模型，共同提取实体和关系，使用BERT。这项工作探讨了影响提取和归一化性能的因素，包括身体部位/器官系统，发生频率，跨度长度和跨度多样性。它讨论了提高性能和创建高质量的放射性现象的语义表示的方法。

2021-08-20cs.CL

BERT的微调及其在中文医学文本联合实体和关系抽取中的应用

Fine-tuning BERT for Joint Entity and Relation Extraction in Chinese Medical Text

East China University of Science and Technology（华东理工大学）；Shanghai Hospital Development Center（上海医院发展中心）

实体和关系抽取是构建医学文本的必要步骤。但是现有模型中的双向长短期记忆网络的特征提取能力并没有达到最佳效果。同时，该语言模型在越来越多的自然语言处理任务中取得了优异的效果。在本文中，我们提出了一个集中注意力模型的联合实体和关系抽取任务。该模型通过动态范围注意力机制将著名的BERT语言模型融入到联合学习中，从而提高了共享参数层的特征表示能力。在曙光医院冠状动脉造影文本上的实验结果表明，命名实体识别和关系分类任务的F1分数分别达到96.89%和88.51%，优于现有方法的1.65%和1.22%。

2019-10-22cs.CL

利用依赖森林进行神经医学关系抽取

Leveraging Dependency Forest for Neural Medical Relation Extraction

University of Rochester（罗切斯特大学）；Tencent AI Lab（腾讯人工智能实验室）；Institute of Advanced Technology, Westlake Institute for Advanced Study（西湖高等研究院先进技术研究院）；IBM T.J. Watson Research（IBM托马斯·J·沃森研究中心）；Amazon AWS（亚马逊云科技）；Xiamen University（厦门大学）

医学关系抽取发现文本（例如研究文章）中实体提及之间的关系。对于这个任务，依赖语法被认为是一个重要的功能来源。然而，在医疗领域，1-best解析树遭受相对较低的准确性，降低了它们的有用性。我们研究了一种方法来缓解这个问题，利用依赖森林。森林包含许多可能的决策，因此与1-最佳输出相比，具有更高的召回率，但噪声更多。一个图神经网络被用来表示森林，自动区分有用的句法信息从分析噪音。两个生物医学基准的结果表明，我们的方法优于标准的基于树的方法，在文献中的最先进的结果。

2019-12-16cs.CL

基于大语言模型角色扮演的个性化医学术语提取

Large Language Model-based Role-Playing for Personalized Medical Jargon Extraction

Manning College of Information and Computer Sciences, University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校曼宁信息与计算机科学学院）；Mendoza College of Business, University of Notre Dame（圣母大学门多萨商学院）；University of Massachusetts Medical School（马萨诸塞大学医学院）；Miner School of Computer and Information Sciences, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校迈纳计算机与信息科学学院）；VA Bedford Health Care（贝德福德退伍军人事务医疗中心）

本文首次定量验证大语言模型角色扮演在个性化医学术语提取中的效果，证明其可提升F1分数并超越此前最优模型，从而改进个性化患者教育。

2024-08-10cs.CL

MedJEx：一个基于Wiki超链接跨度和语境化屏蔽语言模型评分的医学术语抽取模型

MedJEx: A Medical Jargon Extraction Model with Wiki's Hyperlink Span and Contextualized Masked Language Model Score

UMass Amherst（马萨诸塞大学阿默斯特分校）；UMass Lowell（马萨诸塞大学洛厄尔分校）；UMass Medical School（马萨诸塞大学医学院）；U.S. Department of Veterans Affairs（美国退伍军人事务部）

本文提出了一种新的自然语言处理（NLP）的应用程序，用于识别医疗行话术语可能难以理解的病人从电子健康记录（EHR）的笔记。我们首先提出了一个新的和公开可用的数据集，专家注释的医疗行话术语从18K+ EHR笔记句子（$MedJ$）。然后，我们介绍了一种新的医学行话提取（$MedJEx$）模型，已被证明优于现有的国家的最先进的NLP模型。首先，MedJEx在辅助维基百科超链接跨度数据集上进行训练时提高了整体性能，其中超链接跨度提供额外的维基百科文章来解释跨度（或术语），然后在注释的MedJ数据上进行微调。其次，我们发现，一个语境化的掩蔽语言模型分数是有益的检测特定领域的不熟悉的行话。此外，我们的研究结果表明，辅助维基百科超链接跨度数据集上的训练提高了八个生物医学命名实体识别基准数据集中的六个。MedJ和MedJEx都是公开的。

2022-10-12cs.CL

从医疗病例报告中提取因果树：一项面向类专家文本理解的新任务

Causal Tree Extraction from Medical Case Reports: A Novel Task for Experts-like Text Comprehension

Kyoto University（京都大学）；Precision Inc.（普雷西ision公司）；Jichi Medical University（自治医科大学）

提出因果树提取（CTE）任务，通过生成以主要疾病为根的因果树来捕捉医疗病例诊断过程的层次结构，构建日语数据集J-Casemap并验证其方法优于基线且能提升其他医疗任务性能。

2025-03-03cs.CL

使用Sig-Transformer编码器从瑞典处方中提取信息抽取

Information Extraction from Swedish Medical Prescriptions with Sig-Transformer Encoder

University of Oxford（牛津大学）；The Alan Turing Institute（艾伦·图灵研究所）

依赖于大型预训练语言模型，例如来自Transformers的双向编码器表示（BERT）进行编码并添加简单的预测层，在许多临床自然语言处理（NLP）任务中取得了令人印象深刻的性能。在这项工作中，我们提出了一种新的扩展的Transformer架构，将签名转换与自我注意力模型。该架构被添加在嵌入层和预测层之间。一个新的瑞典处方数据上的实验表明，该架构是优于三个信息抽取任务中的两个，与基线模型。最后，我们评估了应用多语言BERT和将瑞典语文本翻译为英语然后使用临床笔记预训练的BERT模型进行编码之间的两种不同嵌入方法。

2020-10-10cs.CL

评估ChatGPT在医学信息抽取任务中的表现：性能、可解释性及更进一步

Evaluating ChatGPT on Medical Information Extraction Tasks: Performance, Explainability and Beyond

评估ChatGPT在医学信息抽取任务中的性能、可解释性及应用挑战

2026-02-11cs.CL

面向主诉的弱监督医疗实体抽取与链接

Weakly Supervised Medical Entity Extraction and Linking for Chief Complaints

School of Computing and Information, University of Pittsburgh（计算与信息学院，匹兹堡大学）；Department of Emergency Medicine, University of Pittsburgh（急诊医学系，匹兹堡大学）

针对主诉记录医疗表述差异大、难标准化且缺乏人工标注的问题，提出基于拆分-匹配算法生成弱标注、再用BERT模型实现实体抽取与链接的弱监督方法，在120万真实主诉数据上性能超越现有无人工标注方法。

2025-09-02cs.CL

通过对比解码缓解大语言模型在医学信息抽取中的幻觉

Mitigating Hallucinations of Large Language Models in Medical Information Extraction via Contrastive Decoding

University of Science and Technology of China（中国科学技术大学）；Jarvis Research Center, Tencent YouTu Lab（腾讯优图实验室贾维斯研究中心）；Peking University（北京大学）；Westlake University（西湖大学）；City University of Hong Kong（香港城市大学）

本文提出交替对比解码（ALCD）方法，通过分离LLMs的识别与分类功能并交替对比子任务输出分布，有效缓解医学信息抽取中的幻觉问题，在多个任务上显著优于传统解码方法。

2024-10-21cs.CL

PiPMRE：一种基于语言模型的医学关系抽取流水线框架

PiPMRE: A Pipeline Based on Language Model for Medical Relation Extraction

School of Software and Microelectronics, Peking University（北京大学软件与微电子学院）

本研究针对现有医学关系抽取方法的缺陷，提出基于语言模型的PiPMRE流水线框架，经实验验证其在公开数据集上性能优于现有最优方法，少样本场景下也表现出色。

2026-09-04cs.CL

JaMIE：一个日本医学信息抽取系统

JaMIE: A Pipeline Japanese Medical Information Extraction System

Kyoto University（京都大学）；Nara Institute of Science and Technology（奈良先端科学技术大学院大学）

我们提出了一个开放访问的自然语言处理工具包，日本医疗信息抽取。我们首先提出了一个新的关系注释模式，调查日本医疗报告中的医疗和医疗实体之间的时间关系。我们通过分别注释两种不同类型的报告来试验实际的注释场景。我们设计了一个管道系统，由三个部分组成，用于识别医疗实体，分类实体模态和提取关系。实验结果表明，该模型具有较好的分析性能，标注质量较好，标注策略有效，并体现了最新上下文嵌入模型的优越性。

2021-11-08cs.AIcs.CL

从电子健康记录中进行远程监督的端到端医疗实体提取，具有人性化的质量

Distantly supervised end-to-end medical entity extraction from electronic health records with human-level quality

Sber Artificial Intelligence Laboratory（Sber人工智能实验室）

医学实体抽取是医学文本处理的第一步。通常，医学EE是一个两步过程：命名实体识别（NER）和命名实体规范化（NEN）。我们提出了一种从电子健康记录（EHR）中进行医疗EE的新方法，作为一个单步多标签分类任务，通过微调在大型EHR数据集上预训练的Transformer模型。我们的模型使用从医学知识库中自动提取的目标，以远程监督的方式进行端到端的训练。我们表明，我们的模型可以学习对足够频繁出现的实体进行泛化，从而为最频繁的实体实现人类级别的分类质量。我们的工作表明，医疗实体提取可以在没有人类监督的情况下进行端到端的提取，并且在提供足够大量的未标记EHR和医疗知识库的情况下具有人类质量。

2022-01-25cs.AIcs.CL

释放深度PICO提取的力量：逐步医学NER识别

Unlocking the Power of Deep PICO Extraction: Step-wise Medical NER Identification

Southeast University（东南大学）；IBM Research（IBM研究院）

PICO框架（人群、干预、比较和结局）通常用于制定医学领域的证据。PICO抽取的主要任务是从医学文献中抽取句子并将其分类。然而，在大多数情况下，即使提取的句子已被归类为某个类别，提取的句子中也会存在多个证据。为了解决这个问题，我们提出了一个逐步的疾病命名实体识别（DNER）提取和PICO识别方法。该方法首先将论文标题和摘要中的句子划分为不同的PICO类，然后识别医学实体并将其划分为P类和O类。采用不同的深度学习框架进行实验，实验结果表明，与传统的PICO抽取方法相比，该方法能够获得高性能和细粒度的抽取结果。

2020-04-30cs.CLcs.IR

一种处理德语临床文本的医学信息抽取系统

A Medical Information Extraction Workbench to Process German Clinical Text

German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Charité – Universitätsmedizin Berlin（柏林夏里特医学院）；Berlin Institute of Health（柏林健康研究所）

背景：在信息抽取和自然语言处理领域，可访问的数据集对于再现和比较结果至关重要。公开可用的实现和工具可以作为基准，并促进更复杂的应用程序的开发。然而，在临床文本处理的背景下，可访问的数据集的数量是稀缺的--现有工具的数量也是如此。其中一个主要原因是数据的敏感性。这个问题在非英语语言中更为明显。方法：为了解决这种情况，我们引入了一个工作台：德国临床文本处理模型的集合。这些模型是在德国肾脏病报告的去识别语料库上训练的。结果：所提出的模型在域内数据上提供了有希望的结果。此外，我们表明，我们的模型也可以成功地应用到其他生物医学文本在德国。我们的工作台是公开的，因此它可以开箱即用，作为基准或转移到相关的问题。

2022-08-15cs.CL

医学病例报告中命名实体的语料库与实验研究

Named Entities in Medical Case Reports: Corpus and Experiments

Ada Health GmbH（阿达健康有限公司）；DFKI GmbH（德国人工智能研究中心）

我们提出了一个新的语料库，包括注释的医疗实体的情况下，报告，起源于PubMed中心的开放获取库。在病例报告中，我们注释了病例、条件、发现、因素和否定修饰语。此外，在适用的情况下，我们注释这些实体之间的关系。因此，这是第一个提供给科学界的英语语料库。它可以通过命名实体识别、关系抽取和（句子/段落）相关性检测等任务，对从病例报告中自动信息抽取进行初步调查。此外，我们提出了四个强大的基线系统，用于检测通过注释数据集提供的医疗实体。

2020-03-29cs.CL

一个新颖的带标注医学影像报告语料库及基于BERT语言模型的信息抽取结果

A Novel Corpus of Annotated Medical Imaging Reports and Information Extraction Results Using BERT-based Language Models

University of Washington（华盛顿大学）；George Mason University（乔治梅森大学）；Stanford University（斯坦福大学）

本文提出带标注医学影像报告语料库CAMIR，结合细粒度事件结构与概念归一化，并基于BERT架构探索mSpERT与增强的PL-Marker++方法进行事件信息抽取。

2024-03-27cs.CL

基于词典的概念挖掘：在土耳其语中的应用

Dictionary-Based Concept Mining: An Application for Turkish

Boğaziçi University（波加齐奇大学）；Cumhuriyet University（共和国大学）

在这项研究中，一个基于字典的方法是用来提取表达概念的文件。迄今为止，英语中的概念挖掘已经有了很多研究，但是对于土耳其语这种黏着语的概念挖掘研究还很不成熟。我们使用字典而不是WordNet，WordNet是一个词汇数据库，将单词分组为同义词集，广泛用于概念提取。词典很少用于概念挖掘领域，但是考虑到词典条目在其意义文本中具有同义词、上位词、下位词和其他关系，确定概念的成功率一直很高。该概念抽取方法是在从不同语料库中收集的文档上实现的。

2014-01-12cs.CL

基于邻域知识的词嵌入关键词提取

Keyphrase Extraction Using Neighborhood Knowledge Based on Word Embeddings

RPI（伦斯勒理工学院）

关键词提取是在文本文档中找到几个有趣的短语的任务，这些短语提供了文档中的主要主题列表。现有的基于图的模型大多使用共现链接作为衔接指标来模拟句法元素之间的关系。但是，一个词在文档中可能有不同的表达形式，也可能有几个同义词。仅仅使用共现信息无法捕获这些信息。在本文中，我们利用词嵌入作为背景知识来增强基于图的排序模型，以向词间图添加语义信息。我们的方法进行了评估，建立基准数据集和实证结果表明，词嵌入邻域信息提高了模型的性能。

2021-11-13cs.CLcs.IRcs.LG

日语医学文本中神经疾病命名实体抽取的BiLSTM + CRF方法

Neural Disease Named Entity Extraction with Character-based BiLSTM+CRF in Japanese Medical Text

Nara Institute of Science and Technology（奈良先端科学技术大学院大学）

我们提出了一个“端到端”的基于字符的递归神经网络，该网络从日本医学文本中提取疾病命名实体，并同时判断其模态为阳性或阴性;即，确认或否定所述疾病或症状。采用神经网络的动机是学习有效的词汇和结构表示功能的实体识别，也为积极/消极的分类从注释语料库，而不明确提供任何基于规则的或手动的功能集。我们证实了我们的方法优于以前的基于字符的CRF或SVM方法的结果。

2018-06-10cs.CLcs.IR

一种面向医学对话信息抽取的知识增强两阶段生成框架

A Knowledge-enhanced Two-stage Generative Framework for Medical Dialogue Information Extraction

School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）

本文提出知识增强两阶段生成框架KTGF，先统一生成术语再生成状态，并引入“未提及”状态扩充低资源训练数据，在医学对话术语-状态对抽取任务上优于现有最优模型。

2024-02-20cs.CL

精细调整ERNIE提取胸部异常影像信号

Fine-tuning ERNIE for chest abnormal imaging signs extraction

Sun Yat-Sen University（中山大学）

胸部影像学报告描述了胸部X线摄影程序的结果。从胸部影像报告中自动提取异常影像征象在临床研究和广泛的下游医疗任务中具有举足轻重的作用。然而，目前对中文胸部影像学报告进行信息抽取的研究还很少。在本文中，我们制定了胸部异常影像体征提取序列标记和匹配问题。在此基础上，提出了一种以预训练的ERNIE为骨干的转移式异常影像体征提取器EASON（fine-tuning ERNIE with CRF for Abnormal Signs ExtractiON），可以解决数据不足的问题。此外，针对序列标注模型的结果，设计了一种简单有效的tag 2 relation算法，将序列标注模型中的身体部位和程度等属性赋予相应的异常影像学征象。我们在一家医疗大数据公司提供的语料库上对我们的方法进行了评估，实验结果表明，与其他基线相比，我们的方法实现了显著且一致的改进。

2020-11-08cs.CL

中文电子健康档案中端到端临床事件的抽取

End-to-end Clinical Event Extraction from Chinese Electronic Health Record

Nanjing Medical University（南京医科大学）；the First Affiliated Hospital（第一附属医院）

事件抽取是医学文本处理的一项重要工作。针对医学文本标注复杂的特点，采用端到端的事件抽取模型增强事件的输出格式信息。通过预训练和微调，我们可以提取医学文本的四个维度的属性：解剖位置，主题词，描述词和发生状态。在测试集上，准确率为0.4511，召回率为0.3928，F1值为0.42。该模型方法简单，在第七届中国卫生信息处理大会（chip2021）中文电子病历临床发现事件挖掘任务（task2）中获得第二名。

2022-08-19cs.AIcs.CL

OSLAT：用于医学实体检索和跨度提取的开放集合标签注意力Transformer

OSLAT: Open Set Label Attention Transformer for Medical Entity Retrieval and Span Extraction

University of British Columbia（不列颠哥伦比亚大学）；Curai（Curai公司）；Vatic Investments（Vatic投资公司）

医疗实体跨度提取和链接是许多医疗NLP任务的关键步骤。大多数现有的实体提取方法要么具有固定的医学实体词汇表，要么需要跨度注释。在本文中，我们提出了一种方法，用于连接一组开放的实体，不需要任何跨度注释。我们的方法，开放集标签注意力Transformer（OSLAT），使用标签-注意力机制来学习候选实体上下文文本表示。我们发现，OSLAT不仅可以链接实体，但也能够隐式地学习与实体相关联的跨度。我们在两个任务上评估OSLAT：（1）在没有显式跨度注释的情况下训练跨度提取，以及（2）在没有跨度级别注释的情况下训练实体链接。我们通过在两个具有低实体重叠的数据集上训练两个独立的模型并比较跨数据集性能来测试我们方法的通用性。

2022-11-20cs.AIcs.CLcs.LG

评估基于MedGemma的医嘱提取提示策略

Evaluating Prompting Strategies with MedGemma for Medical Order Extraction

EXL Health AI Lab at MEDIQA-OE 2025（EXL健康AI实验室）

针对医患对话的医嘱提取任务，基于MEDIQA-OE-2025共享任务评估MedGemma的三类提示策略，发现简单单样本提示性能优于复杂推理框架，为临床信息提取的提示策略选择提供参考。

2025-11-13cs.AIcs.CL

从胸部X光报告中提取病理信息的性能研究

Pathology Extraction from Chest X-Ray Radiology Reports: A Performance Study

Semion

从放射学报告中提取相关病理术语对于正确的图像标签生成和疾病人群研究非常重要。在这封信中，我们比较了性能的一些已知的应用程序接口（API）的任务，胸部异常提取放射学报告。我们探索了几个医疗领域特定的注释工具，如具有非MEDLINE和Mesh On Demand（MOD）选项的Medical Text Indexer（MTI），以及IBM云提供的通用自然语言理解（NLU）API。我们的研究结果表明，虽然MTI和MOD是用于提取医学术语，但与IBM NLU等通用提取API相比，它们的性能最差。最后，我们训练了一个基于DNN的命名实体识别（NER）模型，从放射学报告中提取关键概念词。我们的模型在很大程度上优于医疗特定和通用API性能。我们的研究结果表明，通用API的病理提取任务的不足，并建立特定领域的模型训练的重要性，以改善结果。我们希望这些结果能够激励研究界发布更大的去识别放射学报告语料库，用于构建高精度的机器学习模型，以完成病理提取的重要任务。

2018-12-06cs.CLcs.IR

基于依赖树模式的医学文献因果关系信息提取

Informative Causality Extraction from Medical Literature via Dependency-tree based Patterns

Indiana University Purdue University Indianapolis（印第安纳大学与普渡大学印第安纳波利斯联合分校）

从医学文献中抽取因果实体是医学信息检索的一项重要任务。用于解决该任务的解决方案可以用于汇编各种因果关系，例如疾病和症状之间、药物和副作用之间、基因和疾病之间的因果关系等。用于提取因果实体的现有解决方案对于其中原因和结果短语是名称实体、单字名词或由两个到三个词组成的名词短语的句子工作良好。遗憾的是，在医学文献中，句子中的因果短语不是简单的名词或名词短语，而是由多个单词组成的复杂短语，现有方法无法正确提取此类句子中的因果实体。与给定句子中的意图相比，因果实体的部分提取传达了质量差、信息量小且往往矛盾的事实。在这项工作中，我们解决了这个问题，设计了一个无监督的方法，因果短语提取，模式因果关系，这是专门适用于医学文献。我们提出的方法首先使用因果依赖模式的集合作为模板来提取因果短语的中心词，然后使用一种新的短语提取方法从句子中获得完整的和有意义的因果短语。从PubMed文章中的句子建立的因果数据集上的实验表明，对于提取因果实体，PatternCausality大大优于现有的方法，在F-分数度量的数量级改进超过现有的最佳方法。

2022-03-13cs.CLcs.LG

神经药物提取：监督和半监督学习环境中最新模型的比较

Neural Medication Extraction: A Comparison of Recent Models in Supervised and Semi-supervised Learning Settings

Calystene SA（Calystene公司）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔理工学院）；LIG（格勒诺布尔信息学实验室）；Lingua Custodia（Lingua Custodia公司）

药物处方是必须在电子病历中编码的基本信息。但是，这些信息中的大部分都隐藏在自由文本报表中。这就是为什么药物提取任务出现了。到目前为止，大多数研究工作都集中在少量数据上，直到最近才考虑深度学习方法。在本文中，我们提出了一个独立的和全面的评估国家的最先进的神经架构的I2B2医疗处方提取任务在监督和半监督设置。该研究显示了简单DNN模型在任务上的非常有竞争力的性能以及预训练模型的高兴趣。在I2B2数据集上调整后一种模型能够将药物提取性能推到最先进的水平之上。最后，该研究还证实，半监督技术有希望利用大量未标记的数据，特别是在低资源环境中，当标记数据获取成本太高时。

2021-10-19cs.CL

UMCR：通过指南整合与智能体链接实现通用医学概念识别

UMCR: Universal Medical Concept Recognition through Guideline Integration and Agentic Linking

Polytechnique Montréal（蒙特利尔理工学院）；Mila – Quebec AI Institute（米拉-魁北克人工智能研究所）

UMCR是一种通过指南整合与智能体链接实现的通用医学概念识别方法，可适配任意目标本体与源文本类型，在MedPath基准上表现出色，提升了医疗领域互操作性并降低对LLM记忆的依赖。

2026-10-14cs.CL

临床信息学中“现成”信息抽取算法的使用：意大利医学笔记MetaMap注释的可行性研究

Use of 'off-the-shelf' information extraction algorithms in clinical informatics: a feasibility study of MetaMap annotation of Italian medical notes

Consiglio Nazionale delle Ricerche (CNR)（意大利国家研究委员会）；Politecnico di Milano（米兰理工大学）；Fondazione IRCCS Ca’ Granda Ospedale Maggiore Policlinico Milano（米兰大医院基金会）

从叙述性临床记录中提取信息抽取对于患者护理以及用于研究或临床目的的医学数据的二次使用是有用的。许多研究都集中在英文临床文本的信息抽取上，而对非英文临床笔记的研究较少。本研究测试了使用“现成的”信息抽取算法从意大利临床笔记中识别医学概念的可行性。我们使用MetaMap将医学概念映射到统一医学语言系统（UMLS）。该研究解决了两个问题：（Q1）了解是否有可能将临床笔记中发现的与“疾病”语义组相关的医学术语正确映射到意大利UMLS资源;（Q2）调查使用MetaMap从意大利临床笔记中提取这些医学概念是否可行。EXP 1中的结果表明，意大利UMLS元词库源覆盖了91%的“疾病”语义组的医学术语，如研究数据集中所发现的那样。即使MetaMap是为分析英文文本而构建的，它也能正常工作。MetaMap正确识别了意大利临床笔记中大约一半的概念。在意大利临床笔记上使用MetaMap的注释，而不是简单的文本搜索，使我们的结果提高了约15个百分点。MetaMap的查全率、查准率和F值分别为0.53、0.98和0.69。大多数失败是由于MetaMap无法生成意大利语有意义的变体。MetaMap在注释自动翻译的英文临床笔记方面的表现与文献中的结果一致，具有相似的召回率（0.75），F-测量（0.83）和更高的精确度（0.95）。

2021-04-02cs.CLcs.IR

理解临床试验报告：提取医学实体及其关系

Understanding Clinical Trial Reports: Extracting Medical Entities and Their Relations

Northeastern University（东北大学）；University of Pennsylvania（宾夕法尼亚大学）

关于比较治疗有效性的最佳证据来自临床试验，其结果在非结构化文章中报告。医学专家必须手动从文章中提取信息以告知决策，这是耗时且昂贵的。在这里，我们考虑了端到端的任务（a）从描述临床试验的全文文章中提取治疗和结局（实体识别），以及（b）推断前者相对于后者的报告结果（关系抽取）。我们为这项任务引入了新的数据，并评估了最近在自然语言处理中类似任务上取得最先进成果的模型。然后，我们提出了一种新的方法，其动机是试验结果通常如何呈现，优于这些纯粹的数据驱动的基线。最后，我们与一个非营利组织一起对该模型进行了实地评估，以确定可能重新用于癌症的现有药物，显示端到端证据提取系统的潜在效用。

2022-01-07cs.CL

基于模型集成的完整证据提取：医疗编码的案例研究

Complete Evidence Extraction with Model Ensembles: A Case Study on Medical Coding

Fraunhofer IAIS（弗劳恩霍夫人工智能研究所）；Lamarr Institute（拉马尔研究所）

本文提出完整证据提取任务，通过多语言模型集成提升医疗编码决策的证据完整性，实验表明三模型集成在召回率上超越单一模型。

2026-05-08cs.CLcs.IRcs.LG

从医学会话中提取弱监督的用药方案

Weakly Supervised Medication Regimen Extraction from Medical Conversations

College of Information and Computer Sciences（信息与计算机科学学院）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Abridge AI Inc.（Abridge人工智能公司）

从医疗对话中自动提取药物方案（MR）不仅可以提高回忆率，帮助患者完成护理计划，还可以减轻医生的文档负担。在本文中，我们专注于提取频率，路线和变化的跨度，对应于对话中讨论的药物。我们首先描述带注释的医患对话的独特数据集，然后提出一个弱监督模型架构，可以使用有噪分类数据执行跨度提取。该模型利用分类模型内部的注意力瓶颈来执行提取。我们的实验与几个变种的注意力评分和投影功能，并提出了一种新的基于变换的注意力评分功能（TASCore）。与加法评分加softmax投影的基线相比，TASCore和Fusedmax投影的拟议组合实现了最长公共子串F1的10点增加。

2020-10-11cs.CLcs.IRcs.LG

医学论坛中药物不良反应概念抽取算法的比较

Concept Extraction to Identify Adverse Drug Reactions in Medical Forums: A Comparison of Algorithms

CSIRO（联邦科学与工业研究组织）

社交媒体正在成为补充传统药物警戒方法的越来越重要的信息来源。为了识别潜在药物不良反应的信号，有必要首先识别社交媒体文本中的医学概念。大多数现有的研究使用基于词典的方法，这些方法没有独立于整体信号检测任务进行评估。我们比较了不同的方法来自动识别和规范化医疗论坛中的消费者评论中的医疗概念。具体来说，我们实现了几个流行的基于字典的方法在相关文献中，以及我们建议的方法的基础上，一个国家的最先进的机器学习方法的实体识别。MetaMap是一种流行的生物医学概念提取工具，被用作基线。我们的评价是在一个通用语料库的受控环境中进行的，该语料库是用概念注释的医学论坛帖子的集合，并与受控词汇（如MedDRA和SNOMED CT）相关联。据我们所知，我们的研究是第一个系统地研究流行的概念提取方法在不良反应信号检测领域的效果。我们表明，算法或控制词汇的选择对概念提取有显着影响，这将影响整个信号检测过程。我们还表明，我们提出的机器学习方法在识别不良反应和药物方面明显优于所有其他方法，即使在使用相对较小的注释文本集进行训练时也是如此。

2015-04-27cs.AIcs.CLcs.IR

从医学出版物中自动提取疾病风险因素

Automatic Extraction of Disease Risk Factors from Medical Publications

School of Computer Science, The Academic College of Tel Aviv-Yaffo（特拉维夫-雅法学术学院计算机科学学院）；Division of Cardiology, Tel-Aviv Sourasky Medical Center（特拉维夫苏拉斯基医疗中心心脏病科）；Faculty of Medicine, The Hebrew University of Jerusalem（希伯来大学医学院）；Bioinformatics, School of Computer Science, The Academic College of Tel Aviv-Yaffo（特拉维夫-雅法学术学院计算机科学学院生物信息学方向）

本研究提出一种利用生物医学预训练模型的多步骤疾病风险因素自动提取方法，构建了多类经细粒度验证的疾病风险因素数据集，经自动和人工评估取得良好效果，为相关研究提供了方法与数据支撑。

2024-07-10cs.CLcs.LG

基于对话的医疗保险评估信息抽取系统

A Dialogue-based Information Extraction System for Medical Insurance Assessment

Ant Group（蚂蚁集团）

在中国的医疗保险行业中，公估人的角色是必不可少的，需要付出巨大的努力与索赔人交谈。这是一项专业性很强的工作，涉及到很多部分，如识别个人信息，收集相关证据，并做出最终的保险报告。由于新型冠状病毒（COVID-19）疫情，先前的线下保险评估必须在线上进行。然而，对于通常缺乏实践经验的初级评估员来说，快速处理如此复杂的在线程序并不容易，但这很重要，因为保险公司需要根据评估员的反馈决定索赔人应该获得多少赔偿。为了提高评估人员的工作效率，加快整个流程，本文提出了一个基于对话的信息抽取系统，集成了先进的自然语言处理技术的医疗保险评估。在我们系统的协助下，程序的平均时间成本从55分钟减少到35分钟，与以前的离线程序相比，总人力资源成本节省了30%。到目前为止，该系统已经服务了数千起在线索赔案件。

2021-07-13cs.CLcs.HC