该文综述医学文本处理研究,涵盖多项工作:提出以医学实体为中心的无监督对比学习框架MED-SE改进临床句子表示;将大语言模型用于生物医学命名实体识别,分解为实体跨度提取与类型判定并注入知识;利用链接实体指导摘要生成(E2T);提出实体驱动的事实感知框架EFAS提升生物医学摘要事实准确性;改进实体链接方法;通过软提示校准提升临床笔记摘要可靠性;比较大小模型在少样本医疗命名实体识别上的性能;提出文档级实体提取生成框架;结合Clinical-T5与最小贝叶斯风险解码改进医疗笔记摘要;MedWriter采用层次检索生成医学报告。
完成下面两步后,将自动完成登录并继续当前操作。