Zobrazeno 1 - 10
of 26
pro vyhledávání: '"Cancer pathology reports"'
Autor:
Hong-Jun Yoon, Hilda B. Klasky, Andrew E. Blanchard, J. Blair Christian, Eric B. Durbin, Xiao-Cheng Wu, Antoinette Stroup, Jennifer Doherty, Linda Coyle, Lynne Penberthy, Georgia D. Tourassi
Publikováno v:
BMC Medical Informatics and Decision Making, Vol 24, Iss S5, Pp 1-11 (2024)
Abstract Background Applying graph convolutional networks (GCN) to the classification of free-form natural language texts leveraged by graph-of-words features (TextGCN) was studied and confirmed to be an effective means of describing complex natural
Externí odkaz:
https://doaj.org/article/32c87d99cfdd496bb978027e4ff59d12
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Kevin De Angeli, Shang Gao, Mohammed Alawad, Hong-Jun Yoon, Noah Schaefferkoetter, Xiao-Cheng Wu, Eric B. Durbin, Jennifer Doherty, Antoinette Stroup, Linda Coyle, Lynne Penberthy, Georgia Tourassi
Publikováno v:
BMC Bioinformatics, Vol 22, Iss 1, Pp 1-25 (2021)
Abstract Background Automated text classification has many important applications in the clinical setting; however, obtaining labelled data for training machine learning and deep learning models is often difficult and expensive. Active learning techn
Externí odkaz:
https://doaj.org/article/f29e754b08004eb1a87e76068fb2998c
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Jennifer A. Doherty, Georgia D. Tourassi, Shang Gao, Mohammed Alawad, Antoinette M. Stroup, Noah Schaefferkoetter, Xiao-Cheng Wu, Lynne Penberthy, Eric B. Durbin, Linda Coyle, Kevin De Angeli, Hong-Jun Yoon
Publikováno v:
BMC Bioinformatics, Vol 22, Iss 1, Pp 1-25 (2021)
BMC Bioinformatics
BMC Bioinformatics
BackgroundAutomated text classification has many important applications in the clinical setting; however, obtaining labelled data for training machine learning and deep learning models is often difficult and expensive. Active learning techniques may
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::76ec9430088227b6c6feb04df5649d5d
https://doaj.org/article/f29e754b08004eb1a87e76068fb2998c
https://doaj.org/article/f29e754b08004eb1a87e76068fb2998c
Autor:
J. Blair Christian, Xiao-Cheng Wu, Hong-Jun Yoon, Lynne Penberthy, Georgia D. Tourassi, Shang Gao, Mohammed Alawad, Linda Coyle, John X. Qiu, Brent J. Mumphrey
Publikováno v:
Journal of the American Medical Informatics Association : JAMIA
Objective We implement 2 different multitask learning (MTL) techniques, hard parameter sharing and cross-stitch, to train a word-level convolutional neural network (CNN) specifically designed for automatic extraction of cancer data from unstructured
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::7e4db5208afdf79986ff10ebfde95729
https://doi.org/10.1093/jamia/ocz153
https://doi.org/10.1093/jamia/ocz153
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.