Extracción de información de evoluciones clínicas digitales mediante técnicas de machine learning

Este trabajo demuestra el uso de un modelo de machine learning para extraer información referida a factores de riesgo cardiovascular de evoluciones clínicas desestructuradas redactadas en español. El mismo describe un procedimiento para el análisis de corpus y filtrado de evoluciones relevantes para...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Eckert, Karina, Montenegro, Sergio Daniel, López Forastier, Nicolás, Candia, Gabriel José
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2019
Materias:	Ciencias Informáticas Machine learning Extracción de Información Factores de Riesgo Cardiovascular IBM® Watson
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/88146
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-88146
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Machine learning Extracción de Información Factores de Riesgo Cardiovascular IBM® Watson
spellingShingle	Ciencias Informáticas Machine learning Extracción de Información Factores de Riesgo Cardiovascular IBM® Watson Eckert, Karina Montenegro, Sergio Daniel López Forastier, Nicolás Candia, Gabriel José Extracción de información de evoluciones clínicas digitales mediante técnicas de machine learning
topic_facet	Ciencias Informáticas Machine learning Extracción de Información Factores de Riesgo Cardiovascular IBM® Watson
description	Este trabajo demuestra el uso de un modelo de machine learning para extraer información referida a factores de riesgo cardiovascular de evoluciones clínicas desestructuradas redactadas en español. El mismo describe un procedimiento para el análisis de corpus y filtrado de evoluciones relevantes para entrenamiento y testeo del modelo. Los resultados muestran la efectividad de los recursos utilizados en extraer la información relevante y, a su vez, plantean una relación entre la complejidad de la información a extraer, y la cantidad de datos de ejemplo necesaria para alcanzar valores de performance elevados.
format	Objeto de conferencia Objeto de conferencia
author	Eckert, Karina Montenegro, Sergio Daniel López Forastier, Nicolás Candia, Gabriel José
author_facet	Eckert, Karina Montenegro, Sergio Daniel López Forastier, Nicolás Candia, Gabriel José
author_sort	Eckert, Karina
title	Extracción de información de evoluciones clínicas digitales mediante técnicas de machine learning
title_short	Extracción de información de evoluciones clínicas digitales mediante técnicas de machine learning
title_full	Extracción de información de evoluciones clínicas digitales mediante técnicas de machine learning
title_fullStr	Extracción de información de evoluciones clínicas digitales mediante técnicas de machine learning
title_full_unstemmed	Extracción de información de evoluciones clínicas digitales mediante técnicas de machine learning
title_sort	extracción de información de evoluciones clínicas digitales mediante técnicas de machine learning
publishDate	2019
url	http://sedici.unlp.edu.ar/handle/10915/88146
work_keys_str_mv	AT eckertkarina extracciondeinformaciondeevolucionesclinicasdigitalesmediantetecnicasdemachinelearning AT montenegrosergiodaniel extracciondeinformaciondeevolucionesclinicasdigitalesmediantetecnicasdemachinelearning AT lopezforastiernicolas extracciondeinformaciondeevolucionesclinicasdigitalesmediantetecnicasdemachinelearning AT candiagabrieljose extracciondeinformaciondeevolucionesclinicasdigitalesmediantetecnicasdemachinelearning
bdutipo_str	Repositorios
_version_	1764820489687007232

Extracción de información de evoluciones clínicas digitales mediante técnicas de machine learning

Ejemplares similares