Detección de entidades nombradas en textos de reportes de imágenes médicas

Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2021.

Bibliographic Details
Main Author: Francesca, Lucas Agustín de
Other Authors: Alonso i Alemany, Laura
Format: publishedVersion
Language:spa
Published: 2021
Subjects:
Online Access:http://hdl.handle.net/11086/20301
_version_ 1801215699438272512
author Francesca, Lucas Agustín de
author2 Alonso i Alemany, Laura
author_facet Alonso i Alemany, Laura
Francesca, Lucas Agustín de
author_sort Francesca, Lucas Agustín de
collection Repositorio Digital Universitario
description Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2021.
format publishedVersion
id rdu-unc.20301
institution Universidad Nacional de Cordoba
language spa
publishDate 2021
record_format dspace
spelling rdu-unc.203012022-10-13T11:31:46Z Detección de entidades nombradas en textos de reportes de imágenes médicas Francesca, Lucas Agustín de Alonso i Alemany, Laura Red recurrente Red convolucional Computing methodologies Artificial intelligence Machine learning Word embeddings NLP NER Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2021. publishedVersion Fil: Francesca, Lucas Agustín de. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. En este trabajo se abordó el problema de reconocimiento de entidades nombradas sobre texto de reportes de imágenes médicas, empleando distintas alternativas a la solución del problema. La primera de ellas es un clasificador basado en máquinas de vectores de soporte con ventana deslizante. Luego aplicamos distintas alternativas sobre arquitecturas de redes neuronales, donde la principal componente de las mismas es una capa recurrente bidireccional. Analizamos el impacto de las distintas configuraciones y llegamos a la conclusión que aquellos aprendedores que utilizan word embeddings (reducciones de dimensionalidad neuronales) a nivel palabra y carácter logran un mejor rendimiento. Además, la utilización de un campo aleatorio condicional (Conditional Random Field) como capa final de la arquitectura neuronal mejora el rendimiento en comparación con una capa densa con función de activación softmax. This work addresses the named entity recognition task on medical image report texts by applying two approaches. The first one is a support vector machine based on a sliding window. The second approach is based on neural network architectures, using a bidirectional recurrent layer as the main component, where we apply and compare different configurations. We analyzed different alternatives and came to the conclusion that those learners that use word and character level embeddings achieve better performance. Also, using a conditional random field as a final layer increases performance compared to a dense layer with softmax as activation function. publishedVersion Fil: Francesca, Lucas Agustín de. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. 2021-09-14T15:41:21Z 2021-09-14T15:41:21Z 2021 bachelorThesis http://hdl.handle.net/11086/20301 spa Atribución-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-sa/4.0/
spellingShingle Red recurrente
Red convolucional
Computing methodologies
Artificial intelligence
Machine learning
Word embeddings
NLP
NER
Francesca, Lucas Agustín de
Detección de entidades nombradas en textos de reportes de imágenes médicas
title Detección de entidades nombradas en textos de reportes de imágenes médicas
title_full Detección de entidades nombradas en textos de reportes de imágenes médicas
title_fullStr Detección de entidades nombradas en textos de reportes de imágenes médicas
title_full_unstemmed Detección de entidades nombradas en textos de reportes de imágenes médicas
title_short Detección de entidades nombradas en textos de reportes de imágenes médicas
title_sort deteccion de entidades nombradas en textos de reportes de imagenes medicas
topic Red recurrente
Red convolucional
Computing methodologies
Artificial intelligence
Machine learning
Word embeddings
NLP
NER
url http://hdl.handle.net/11086/20301
work_keys_str_mv AT francescalucasagustinde detecciondeentidadesnombradasentextosdereportesdeimagenesmedicas