<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Обробка слабоструктурованих текстових даних клінічних протоколів для системи підтримки прийняття медичних рішень

Ескіз

Файли

WORK-IES-2020-229-230.pdf (282,27 KB)

Дата

2020

Автори



Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

An approach to processing poorly structured clinical protocol text data stored and disseminated as pdf files is considered. In the course of the work, the problem of primary processing of clinical protocol data was solved by the example of a unified clinical protocol of primary, secondary (specialized) and tertiary (highly specialized) medical care. A method for processing the texts of clinical protocols to create a clear structure of the symptoms of the disease and extract data when making medical decisions.

Опис

Ключові слова

УДК

004.421.6

Тип документа

Thesis

Мова

uk_UA

Є частиною

Proceedings of the XII International scientific-practical conference«INTERNET-EDUCATION-SCIENCE» (IES-2020), Ukraine, Vinnytsia, 26-29 May 2020 : 197-198.

ISSN

Бібліографічний опис

Бичко Дмитро Обробка слабоструктурованих текстових даних клінічних протоколів для системи підтримки прийняття медичних рішень [Текст] / Д. Бичко, В. Шендрик, Ю. Парфененко // Proceedings of the XII International scientific-practical conference«INTERNET-EDUCATION-SCIENCE» (IES-2020), Ukraine, Vinnytsia, 26-29 May 2020. – Vinnytsia : VNTU, 2020. – С. 197–198.

URI

http://ir.lib.vntu.edu.ua/handle/123456789/30912

Зібрання

Інтернет-Освіта-Наука (ІОН-2020)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (5)

  1. Jensen K, Soguero-Ruiz C, Oyvind MK, Lindsetmo R, Kouskoumvekaki I, Girolami M, et al. Analysis of free text in electronic health records for identification of cancer patient trajectories. Sci Rep 2017 Dec 07;7:46226
  2. Patel R, Lloyd T, Jackson R, Ball M, Shetty H, Broadbent M. et al. Mood instability is a common feature of mental health disorders and is associated with poor clinical outcomes. BMJ Open 2015; 05 (05) e007504.
  3. Wi CI, Sohn S, Rolfes MC, Seabright A, Ryu E, Voge G, et al. Application of a natural language processing algorithm to asthma ascertainment. An automated chart review. Am J Resp Crit Care Med. (2017) 196:430–7. doi: 10.1164/rccm.201610-2006OC
  4. Afzal N, Sohn S, Abram S, Scott CG, Chaudhry R, Liu H, et al. Mining peripheral arterial disease cases from narrative clinical notes using natural language processing. J Vasc Surg 2017 Dec;65(6):1753-1761
  5. Kung R, Ma A, Dever JB, et al. Mo1043 a natural language processing algorithm for identification of patients with cirrhosis from electronic medical records. Gastroenterology. 2015;148:1071–1072.