Ressourcer: https://huggingface.co/indsigt-ai
cc
Indsigt.ai sprogmodeller
-
Identifikation af bias
Bias i algoritmer opstår, når data eller modeller ikke er repræsentative eller fejlbehæftede, der fører til systematisk fejlagtige forudsigelser i algoritmens output. Bias kan også forekomme i den medicinske beslutning på grund af forudindtagede holdninger, ufuldstændig information eller fejlagtige antagelser baseret på algoritmens (korrekte) output. Resultatet kan i sidste ende være forkert diagnostik og behandling.…
-
Ekstraktion af information fra patientjournaler
Modellerne henter information fra patientjournaler ved brug af en eller flere algoritmer afhængigt af opgaven.
-
De-identifikation fjerner følsomme personoplysninger
I patientjournalens tekst optræder der af og til personfølsom information, hvilket i mange sammenhænge er uhensigtsmæssigt. Det kan dreje sig om CPR-numre, navne og adresser. Derfor har vi udviklet en algoritme, der identificerer forekomsten af personfølsomme oplysninger og erstatter det med en markering i teksten, der indikerer at noget er fjernet. Status: Afsluttet Kilde: https://ceur-ws.org/Vol-3416/paper_5.pdf…
-
Klinisk Named Entity Recognition
Named Entity Recognition (NER) er velkendt inden for sprogteknologi. Vi anvender NER til at finde symptomer, sygdomme, abnorme fund og diagnostik, som er nævnt i patientjournalens tekst. Ved at automatisere opgaven med at finde og ekstrahere oplysninger fra store mængder tekst, kan NER spare tid og ressourcer for sundhedspersonale og forskere. Danish Clinical Named Entity…
-
Indsamling af biomedicinsk tekstkorpus
I dette projekt samarbejder vi med forskellige danske forlag og videnskabelige opslagsværker om indsamling af et dansk biomedicinsk korpus. Det indsamlede korpus kan bruges til udvikling af biomedicinske sprogmodeller og som evalueringsværktøj af disse. Vi leder aktivt efter at udvide vores eksisterende korpus, og er meget interesseret i flere samarbejdspartnere. Kontakt Jannik Pedersen, jasp@mmmi.sdu.dk, hvis…
-
Danske medicinske word embeddings
Når en computer skal læse og danne mening ud fra tekst, fx ved klassificering af patientjournaler, kræver det at hvert ord omdannes til en række af tal. Transformationen hvor ord omdannes til tal er meget vigtig, da det danner rammen for computerens forståelse af hvert ord, som efterfølgende kan bruges til at opnå forståelse af…