MedMentions: A Large Biomedical Corpus Annotated with UMLS Concepts
PulseAugur coverage of MedMentions: A Large Biomedical Corpus Annotated with UMLS Concepts — every cluster mentioning MedMentions: A Large Biomedical Corpus Annotated with UMLS Concepts across labs, papers, and developer communities, ranked by signal.
-
BioELX框架在跨语言生物医学实体链接方面达到SOTA
研究人员开发了BioELX，一个新颖的两阶段跨语言生物医学实体链接框架，该框架不需要特定任务的标注训练数据。第一阶段通过Wikidata的多语言别名增强检索器，以改进跨语言的候选检索。第二阶段采用预训练的LLM排名器进行上下文感知消歧，同时考虑提及上下文和候选实体。实验表明，BioELX在多个基准测试中取得了新的最先进性能，尤其是在低资源语言方面。
-
新的多语言ColBERT模型在临床文本分析中表现出色
研究人员开发了ClinicalEncoder26AM，一个多语言可诊断的ColBERT模型，专门用于临床和生物医学文本。该模型将token级别的语义与受BioLORD-2023启发并使用合成和标注数据增强的临床潜在空间ClinicalMap25对齐。ClinicalEncoder26AM的后训练过程利用了BGE-M3，并整合了包括合成笔记和MedMentions等标注数据集在内的各种临床资源。在MultiClinNER共享任务上进行评…
-
新框架测试GSSL在嘈杂生物医学图上的鲁棒性
研究人员引入了一个新框架NATD-GSSL，用于评估和改进图自监督学习（GSSL）方法在应用于嘈杂的、文本派生的图时的鲁棒性。现有的GSSL技术通常假设数据是干净的，但从文本自动提取知识图会引入显著的真实世界噪声。研究发现，关系重构任务对这种噪声高度敏感，而特征重构则更具韧性。图神经网络架构的选择也会影响性能，双向消息传递设计更适合嘈杂的图。