crf

Prédiction d'une maladie rare : l'amyloïdose cardiaque

Anonyme — Thu, 05 Nov 2020 23:00:00 +0000

Prédiction d'une maladie rare : l'amyloïdose cardiaque Anonyme (non vérifié) ven 06/11/2020 - 00:00

Auteur

Elvira Quesada

Année

2019

Résumé

Notre projet se focalise sur la prédiction de l’amyloïdose cardiaque, une maladie rare difficile à diagnostiquer et pour laquelle il n’existe pas encore de traitement. La détection précoce de maladies permettrait de traiter les symptômes en avance en plus de réduire l’impact de celles-ci. Un des obstacles majeur que l’on trouve lorsqu’on travaille avec des données cliniques est la présence de données personnelles. Cette problématique est largement abordée dans la littérature, qui propose en majorité de traiter ce sujet à travers la reconnaissance d’entités nommées. Pour cette raison, nous effectuons une tâche de désidentification en implémentant les deux méthodologies principales : une approche basée sur les connaissances et une approche guidée par les données. Dans un deuxième temps, nous effectuons la tâche de prédiction, qui repose sur des modèles d’apprentissage automatique. Nous menons à terme deux types de classification. En premier lieu, une classification multiclasse, étant celles-ci l’amyloïdose et d’autres maladies cardiaques rares (F-mesure = 0,636), et dans un deuxième temps, une classification binaire, c’est-à-dire, amyloïdose ou non amyloïdose (F-mesure = 0,782). Les amyloïdoses, étant difficiles à diagnostiquer par les médecins, nous observons dans nos expériences que les prédictions sont aussi complexes à réaliser pour une machine, en particulier pour un apprentissage statistique dans la mesure où il faudrait savoir quels sont les éléments essentiels du diagnostic pour pouvoir fournir à la machine ces connaissances. Même si notre modèle n’atteint pas une grande performance en ce qui concerne la prédiction, le travail réalisé permet d’éclaircir les symptômes et signes les plus fréquents associés à l’amyloïdose cardiaque. Actuellement, il reste difficile de prédire cette maladie, mais les expériences menées pourraient servir comme aide aux médecins afin d’attirer leur attention sur des cas probables d’amyloïdose.

Mots-clés

anonymisation

pseudonymisation

reconnaissance d’entités nommées

apprentissage automatique

crf

Fichier

QUESADA_Elvira_2019.pdf

Extraction d’Entités d’Aliments/Médicaments à Partir de Textes Biomédicaux en Français

Anonyme — Thu, 05 Nov 2020 23:00:00 +0000

Extraction d’Entités d’Aliments/Médicaments à Partir de Textes Biomédicaux en Français Anonyme (non vérifié) ven 06/11/2020 - 00:00

Auteur

Chunyang Jiang

Année

2019

Résumé

Ce travail s’inscrit dans le cadre du Projet ANR MIAM (Maladies, Interactions Alimentation-Médicaments) dont l'intérêt central concerne l'extraction des informations sur les interactions entre l'alimentation et les médicaments. Ces interactions peuvent conduire à un effet indésirable. Dans ce contexte, l’objectif de notre travail est d’extraire les mentions de médicaments et d'aliments dans les textes biomédicaux, qui est une étape importante voire élémentaire pour permettre une gamme de tâches de fouille de textes en aval. Le point de départ est la constitution d’un corpus français pertinent qui nous permet ensuite d’expérimenter des approches adéquates à la reconnaissances des entités aliments/médicaments. Nous nous appuyons également sur des informations extraites des ressources terminologiques.

Mots-clés

fouille de textes du domaine biomédical

interactions aliments-médicaments

reconnaissance d’entités nommées

apprentissage automatique

crf

Fichier

JIANG_Chunyang_2019.pdf

Extraction de termes complexes à partir de bases de connaissances

Anonyme — Thu, 05 Nov 2020 23:00:00 +0000

Extraction de termes complexes à partir de bases de connaissances Anonyme (non vérifié) ven 06/11/2020 - 00:00

Auteur

Andréa De Sousa

Année

2018

Résumé

L'acquisition, à partir de larges collections de textes, d'unités lexicales multi-mots pertinentes du point de vue de la terminologie est un enjeu fondamental dans le contexte de la recherche d’information. En effet, leur identification conduit à une amélioration du processus d’indexation de documents, et permet de guider l'utilisateur dans sa quête d'information. Notre travail propose ainsi deux méthodes d'extraction de ces unités, aussi appelées termes complexes. La première se base sur un modèle CRF supervisé pour l'étiquetage de données séquentielles. Notre seconde méthode exploite la puissance des patrons morphosyntaxiques et des grammaires locales.

Mots-clés

extraction terminologique

termes complexes

bases de connaissances

crf

patrons morphosyntaxiques

grammaires locales