Journal des technologies de l'information et du génie logiciel

Journal des technologies de l'information et du génie logiciel
Libre accès

ISSN: 2165- 7866

Abstrait

Utilisation de techniques de logique floue et d'algorithmes de classement pour la synthèse et l'extraction automatiques de textes cliniques

Moges Tsegaw Melesse*, Gizatie Desalegn Taye, Gezahegn Mulusew

La gestion de l'information et des connaissances est devenue un problème sérieux dans les efforts pour servir la société médicale en raison du volume croissant de données, de l'absence d'informations structurées et de la diversité des informations. Les médecins cliniciens peuvent avoir besoin de connaître les informations incluses dans n'importe quel texte clinique libre, mais n'ont pas le temps de lire l'élément dans son intégralité. Ce problème peut être atténué en utilisant une technique de résumé automatique de texte qui réduit le temps nécessaire tout en préservant l'intégrité de l'information. Reconnaître la redondance est un problème qui n'a pas encore été résolu, et la fragmentation rend la création d'un résumé clinique efficace encore plus difficile. Nous proposons un résumé automatique de texte clinique libre dans ce travail. Le chercheur utilise cinq taux d'extraction pour les algorithmes de classement et de logique floue pour résumer les textes cliniques libres. En conséquence, les taux de résumé sont de dix pour cent, vingt pour cent, trente pour cent, quarante pour cent et cinquante pour cent. L'algorithme de classement avait la plus grande précision de 43,52 pour cent parmi les cinq résumés extractifs, tandis que la méthode de logique floue avait la meilleure précision de 43,88 pour cent. Les résultats ont montré que le résumé extractif par logique floue surpasse le résumé extractif par algorithme de rang. La logique floue est fondée sur l'idée de calculer avec des mots plutôt qu'avec des nombres, car les mots sont moins précis que les nombres. En utilisant des variables linguistiques, la logique floue cherche à imiter le raisonnement humain. Le résultat est trop faible ; nous préconisons donc l'utilisation d'algorithmes supervisés pour produire une performance satisfaisante que les praticiens médicaux approuveront. Les performances du système peuvent être encore améliorées en examinant divers aspects spécifiques au domaine et en améliorant les méthodes de détection des entités médicales.

Clause de non-responsabilité: Ce résumé a été traduit à l'aide d'outils d'intelligence artificielle et n'a pas encore été révisé ou vérifié.
Top