• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

A natural language processing challenge for clinical records: Research Domains Criteria (RDoC) for psychiatry.

作者信息

Uzuner Özlem, Stubbs Amber, Filannino Michele

机构信息

Department of Information Sciences and Technology, George Mason University, 4400 University Drive 5359, Nguyen Engineering Bldg, MS 1G8, Fairfax, VA 22030, USA. Tel.: +703-993-8633.

School of Library and Information Science, Simmons College, Boston, MA, USA.

出版信息

J Biomed Inform. 2017 Nov;75S:S1-S3. doi: 10.1016/j.jbi.2017.10.005. Epub 2017 Oct 16.

DOI:10.1016/j.jbi.2017.10.005
PMID:29042245
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC5705440/
Abstract
摘要

相似文献

1
A natural language processing challenge for clinical records: Research Domains Criteria (RDoC) for psychiatry.临床记录面临的自然语言处理挑战：精神病学的研究领域标准（RDoC）
J Biomed Inform. 2017 Nov;75S:S1-S3. doi: 10.1016/j.jbi.2017.10.005. Epub 2017 Oct 16.
2
Research Domain Criteria scores estimated through natural language processing are associated with risk for suicide and accidental death.通过自然语言处理估计的研究领域标准评分与自杀和意外死亡风险相关。
Depress Anxiety. 2019 May;36(5):392-399. doi: 10.1002/da.22882. Epub 2019 Feb 2.
3
[The Research Domain Criteria (Rdoc), reductionism and clinical psychiatry].[研究领域标准（Rdoc）、还原论与临床精神病学]
Rev Synth. 2016 Dec;137(1-2):117-49. doi: 10.1007/s11873-016-0292-8.
4
Natural language processing: a coding professional's perspective.自然语言处理：编码专业人员的视角。
J AHIMA. 2000 Oct;71(9):95-8; quiz 99-100.
5
A suite of natural language processing tools developed for the I2B2 project.为I2B2项目开发的一套自然语言处理工具。
AMIA Annu Symp Proc. 2006;2006:931.
6
A statistical natural language processor for medical reports.用于医学报告的统计自然语言处理器。
Proc AMIA Symp. 1999:970-4.
7
Second i2b2 workshop on natural language processing challenges for clinical records.第二届关于临床记录自然语言处理挑战的i2b2研讨会。
AMIA Annu Symp Proc. 2008 Nov 6:1252-3.
8
Facilitating research in pathology using natural language processing.利用自然语言处理促进病理学研究。
AMIA Annu Symp Proc. 2003;2003:1057.
9
Combining menus with natural language processing in recording medical data.在记录医疗数据时将菜单与自然语言处理相结合。
J Clin Comput. 1988;16(5-6):156-66.
10
Empirical, automated vocabulary discovery using large text corpora and advanced natural language processing tools.使用大型文本语料库和先进自然语言处理工具进行经验性的自动词汇发现。
Proc AMIA Annu Fall Symp. 1996:159-63.

引用本文的文献

1
Using a natural language processing toolkit to classify electronic health records by psychiatric diagnosis.使用自然语言处理工具包对电子健康记录进行精神病学诊断分类。
Health Informatics J. 2024 Oct-Dec;30(4):14604582241296411. doi: 10.1177/14604582241296411.
2
Identifying suicide documentation in clinical notes through zero-shot learning.通过零样本学习在临床记录中识别自杀相关文档。
Health Sci Rep. 2023 Sep 11;6(9):e1526. doi: 10.1002/hsr2.1526. eCollection 2023 Sep.
3
Natural Language Processing: from Bedside to Everywhere.自然语言处理：从床边到无处不在。
Yearb Med Inform. 2022 Aug;31(1):243-253. doi: 10.1055/s-0042-1742510. Epub 2022 Jun 2.
4
Stratifying risk for dementia onset using large-scale electronic health record data: A retrospective cohort study.利用大规模电子健康记录数据对痴呆发病风险进行分层：一项回顾性队列研究。
Alzheimers Dement. 2020 Mar;16(3):531-540. doi: 10.1016/j.jalz.2019.09.084. Epub 2020 Jan 16.
5
Natural language processing of symptoms documented in free-text narratives of electronic health records: a systematic review.电子健康记录中自由文本叙述的症状的自然语言处理：系统评价。
J Am Med Inform Assoc. 2019 Apr 1;26(4):364-379. doi: 10.1093/jamia/ocy173.
6
Advancing the State of the Art in Clinical Natural Language Processing through Shared Tasks.通过共享任务推动临床自然语言处理技术的发展。
Yearb Med Inform. 2018 Aug;27(1):184-192. doi: 10.1055/s-0038-1667079. Epub 2018 Aug 29.

本文引用的文献

1
De-identification of medical records using conditional random fields and long short-term memory networks.使用条件随机场和长短时记忆网络对病历进行去识别。
J Biomed Inform. 2017 Nov;75S:S43-S53. doi: 10.1016/j.jbi.2017.10.003. Epub 2017 Oct 13.
2
Exploring associations of clinical and social parameters with violent behaviors among psychiatric patients.探讨临床和社会参数与精神科患者暴力行为之间的关联。
J Biomed Inform. 2017 Nov;75S:S149-S159. doi: 10.1016/j.jbi.2017.08.009. Epub 2017 Aug 16.
3
Automatic classification of RDoC positive valence severity with a neural network.使用神经网络对 RDoC 正价严重程度进行自动分类。
J Biomed Inform. 2017 Nov;75S:S120-S128. doi: 10.1016/j.jbi.2017.07.005. Epub 2017 Jul 8.
4
Psychiatric symptom recognition without labeled data using distributional representations of phrases and on-line knowledge.使用短语的分布表示和在线知识进行无标记数据的精神症状识别。
J Biomed Inform. 2017 Nov;75S:S129-S137. doi: 10.1016/j.jbi.2017.06.014. Epub 2017 Jun 15.
5
De-identification of psychiatric intake records: Overview of 2016 CEGS N-GRID shared tasks Track 1.去识别精神科入院记录：2016 年 CEGS N-GRID 共享任务跟踪 1 概述。
J Biomed Inform. 2017 Nov;75S:S4-S18. doi: 10.1016/j.jbi.2017.06.011. Epub 2017 Jun 11.
6
Predicting mental conditions based on "history of present illness" in psychiatric notes with deep neural networks.基于精神科病历中的“现病史”用深度神经网络预测精神状况。
J Biomed Inform. 2017 Nov;75S:S138-S148. doi: 10.1016/j.jbi.2017.06.010. Epub 2017 Jun 10.
7
Learning to identify Protected Health Information by integrating knowledge- and data-driven algorithms: A case study on psychiatric evaluation notes.通过整合知识和数据驱动算法来学习识别受保护的健康信息：一项关于精神科评估记录的案例研究。
J Biomed Inform. 2017 Nov;75S:S28-S33. doi: 10.1016/j.jbi.2017.06.005. Epub 2017 Jun 7.
8
Counting trees in Random Forests: Predicting symptom severity in psychiatric intake reports.随机森林中的树木计数：预测精神病学入院报告中的症状严重程度。
J Biomed Inform. 2017 Nov;75S:S112-S119. doi: 10.1016/j.jbi.2017.06.007. Epub 2017 Jun 7.
9
A hybrid approach to automatic de-identification of psychiatric notes.一种混合方法，用于自动识别精神科病历中的身份信息。
J Biomed Inform. 2017 Nov;75S:S19-S27. doi: 10.1016/j.jbi.2017.06.006. Epub 2017 Jun 7.
10
De-identification of clinical notes via recurrent neural network and conditional random field.通过递归神经网络和条件随机场对临床记录进行去识别。
J Biomed Inform. 2017 Nov;75S:S34-S42. doi: 10.1016/j.jbi.2017.05.023. Epub 2017 Jun 1.