• 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

相似文献

1
Selected articles from the BioCreative/OHNLP challenge 2018.2018年生物创意/OHNLP挑战赛精选文章。
BMC Med Inform Decis Mak. 2019 Dec 27;19(Suppl 10):262. doi: 10.1186/s12911-019-0994-6.
2
Family history information extraction via deep joint learning.通过深度联合学习提取家族史信息。
BMC Med Inform Decis Mak. 2019 Dec 27;19(Suppl 10):277. doi: 10.1186/s12911-019-0995-5.
3
Family member information extraction via neural sequence labeling models with different tag schemes.基于不同标记方案的神经序列标记模型的家庭成员信息抽取。
BMC Med Inform Decis Mak. 2019 Dec 27;19(Suppl 10):257. doi: 10.1186/s12911-019-0996-4.
4
Trend: natural language processing. From NLP to "text analytics"--and beyond?趋势：自然语言处理。从自然语言处理到“文本分析”——以及更远？
Healthc Inform. 2013 Mar;30(2):27-8.
5
Natural language processing: algorithms and tools to extract computable information from EHRs and from the biomedical literature.自然语言处理：从电子健康记录和生物医学文献中提取可计算信息的算法和工具。
J Am Med Inform Assoc. 2013 Sep-Oct;20(5):805. doi: 10.1136/amiajnl-2013-002214.
6
Advancing the state of the art in automatic extraction of adverse drug events from narratives.推进从叙述中自动提取药物不良事件的技术水平。
J Am Med Inform Assoc. 2020 Jan 1;27(1):1-2. doi: 10.1093/jamia/ocz206.
7
Querying EHRs with a Semantic and Entity-Oriented Query Language.使用语义和面向实体的查询语言查询电子健康记录。
Stud Health Technol Inform. 2017;235:121-125.
8
An evaluation of GO annotation retrieval for BioCreAtIvE and GOA.对生物创意（BioCreAtIvE）和基因本体注释（GOA）的基因本体（GO）注释检索的评估。
BMC Bioinformatics. 2005;6 Suppl 1(Suppl 1):S17. doi: 10.1186/1471-2105-6-S1-S17. Epub 2005 May 24.
9
Development of Markup Language for Medical Record Charting: A Charting Language.用于病历记录的标记语言的开发：一种记录语言。
Stud Health Technol Inform. 2015;216:879.
10
Natural language processing and electronic medical records.自然语言处理与电子病历
JAMA. 2011 Dec 7;306(21):2325; author reply 2325-6. doi: 10.1001/jama.2011.1780.

引用本文的文献

1
Extracting Family History Information From Electronic Health Records: Natural Language Processing Analysis.从电子健康记录中提取家族病史信息：自然语言处理分析
JMIR Med Inform. 2021 Apr 30;9(4):e24020. doi: 10.2196/24020.
2
Adapting Bidirectional Encoder Representations from Transformers (BERT) to Assess Clinical Semantic Textual Similarity: Algorithm Development and Validation Study.改编来自Transformer的双向编码器表征（BERT）以评估临床语义文本相似性：算法开发与验证研究。
JMIR Med Inform. 2021 Feb 3;9(2):e22795. doi: 10.2196/22795.
3
Family History Extraction From Synthetic Clinical Narratives Using Natural Language Processing: Overview and Evaluation of a Challenge Data Set and Solutions for the 2019 National NLP Clinical Challenges (n2c2)/Open Health Natural Language Processing (OHNLP) Competition.利用自然语言处理从合成临床叙述中提取家族病史：2019年国家自然语言处理临床挑战（n2c2）/开放健康自然语言处理（OHNLP）竞赛的挑战数据集概述与评估及解决方案
JMIR Med Inform. 2021 Jan 27;9(1):e24008. doi: 10.2196/24008.
4
Extracting Family History of Patients From Clinical Narratives: Exploring an End-to-End Solution With Deep Learning Models.从临床叙述中提取患者家族病史：使用深度学习模型探索端到端解决方案
JMIR Med Inform. 2020 Dec 15;8(12):e22982. doi: 10.2196/22982.
5
Family History Information Extraction With Neural Attention and an Enhanced Relation-Side Scheme: Algorithm Development and Validation.基于神经注意力和增强关系侧方案的家族病史信息提取：算法开发与验证
JMIR Med Inform. 2020 Dec 1;8(12):e21750. doi: 10.2196/21750.
6
Clinical concept extraction: A methodology review.临床概念提取：方法学综述。
J Biomed Inform. 2020 Sep;109:103526. doi: 10.1016/j.jbi.2020.103526. Epub 2020 Aug 6.

本文引用的文献

1
Implementation of the federal health information technology initiative.联邦医疗卫生信息技术计划的实施
N Engl J Med. 2011 Dec 22;365(25):2426-31. doi: 10.1056/NEJMsr1112158.

Selected articles from the BioCreative/OHNLP challenge 2018.

作者信息

Liu Sijia, Wang Yanshan, Liu Hongfang

机构信息

Division of Digital Health Sciences, Department of Health Sciences Research, Mayo Clinic, Rochester, MN, USA.

出版信息

BMC Med Inform Decis Mak. 2019 Dec 27;19(Suppl 10):262. doi: 10.1186/s12911-019-0994-6.

DOI:10.1186/s12911-019-0994-6
PMID:31882003
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC6933636/
Abstract
摘要