Zobrazeno 1 - 10
of 62
pro vyhledávání: '"biomedical NLP"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Sandeep Reddy, Ravi Bhaskar, Sandosh Padmanabhan, Karin Verspoor, Chaitanya Mamillapalli, Rani Lahoti, Ville-Petteri Makinen, Smitan Pradhan, Puru Kushwah, Saumya Sinha
Publikováno v:
Computer Methods and Programs in Biomedicine Update, Vol 1, Iss , Pp 100010- (2021)
The emergence of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) late last year has not only led to the world-wide coronavirus disease 2019 (COVID-19) pandemic but also a deluge of biomedical literature. Following the release of the
Externí odkaz:
https://doaj.org/article/8adf5c9e1cba40798a72476dbf8b346f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Jorge Vivaldi, Horacio Rodríguez
Publikováno v:
Natural Language Engineering. :1-38
Data de publicació electrònica: 25 de febrer de 2022 This paper presents MHeTRep, a multilingual medical terminology and the methodology followed for its compilation. The multilingual terminology is organised into one vocabulary for each language.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::dbe78d868546bc158b1cbdd8a0969b1a
https://doi.org/10.1017/s1351324922000055
https://doi.org/10.1017/s1351324922000055
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Can language models read biomedical texts and explain the biomedical mechanisms discussed? In this work we introduce a biomedical mechanism summarization task. Biomedical studies often investigate the mechanisms behind how one entity (e.g., a protein
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dris___00893::b40b740588c5da75800da6ac13298a93
http://resolver.tudelft.nl/uuid:fdf6a58a-6d0c-4a2a-8e3a-32aeccefe597
http://resolver.tudelft.nl/uuid:fdf6a58a-6d0c-4a2a-8e3a-32aeccefe597
Autor:
Bastan, Mohaddeseh, Shankar, N., Surdeanu, Mihai, Balasubramanian, Niranjan, Calzolari, Nicoletta, Bechet, Frederic, Blache, Philippe, Choukri, Khalid, Cieri, Christopher, Declerck, Thierry, Goggi, Sara, Isahara, Hitoshi, Maegaard, Bente, Mariani, Joseph, Mazo, Helene, Odijk, Jan, Piperidis, Stelios
Publikováno v:
2022 Language Resources and Evaluation Conference, LREC 2022
Can language models read biomedical texts and explain the biomedical mechanisms discussed? In this work we introduce a biomedical mechanism summarization task. Biomedical studies often investigate the mechanisms behind how one entity (e.g., a protein
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=narcis______::e5265cbcd461a34e6693eed49cef2809
http://resolver.tudelft.nl/uuid:fdf6a58a-6d0c-4a2a-8e3a-32aeccefe597
http://resolver.tudelft.nl/uuid:fdf6a58a-6d0c-4a2a-8e3a-32aeccefe597
This Zenodo contains the BioCreative VII Large scale DrugProt Additional Subtrackabstracts and entity annotations. Abstracts large_scale_abstracts.tsvThis filecontains plain-text, UTF8-encoded, NFC normalized DrugProt PubMed records in a tab
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::25411c99fd25dfbf9c44bc99a6284dde
Autor:
Ramponi, Alan
The available body of biomedical literature is increasing at a high pace, exceeding the ability of researchers to promptly leverage this knowledge-rich amount of information. Although the outstanding progress in natural language processing (NLP) we o
Externí odkaz:
http://hdl.handle.net/11572/310787
Annotation guidelines used for the construction of the annotations of chemical-protein interactionsbetween Chemical Entities Mentions (CEMs) and Gene and Protein Related Objects (named as GPROs throughout this manuscript). Introduction Theannotation
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::13f4cea971728f3575c9d657c17c23d4