메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
이계화 (서울아산병원) Hyunsung Lee (iKooB Seoul) 박진혁 (가천대학교) 이영호 (가천대학교)
저널정보
대한의료정보학회 Healthcare Informatics Research Healthcare Informatics Research 제28권 제1호
발행연도
2022.1
수록면
89 - 94 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objectives: This study was conducted to develop a generalizable annotation tool for bilingual complex clinical text annotation,which led to the design and development of a clinical text annotation tool, ANNO. Methods: We designed ANNO toenable human annotators to support the annotation of information in clinical documents efficiently and accurately. First,annotations for different classes (word or phrase types) can be tagged according to the type of word using the dictionaryfunction. In addition, it is possible to evaluate and reconcile differences by comparing annotation results between humanannotators. Moreover, if the regular expression set for each class is updated during annotation, it is automatically reflectedin the new document. The regular expression set created by human annotators is designed such that a word tagged once isautomatically labeled in new documents. Results: Because ANNO is a Docker-based web application, users can use it freelywithout being subjected to dependency issues. Human annotators can share their annotation markups as regular expressionsets with a dictionary structure, and they can cross-check their annotated corpora with each other. The dictionary-basedregular expression sharing function, cross-check function for each annotator, and standardized input (Microsoft Excel) andoutput (extensible markup language [XML]) formats are the main features of ANNO. Conclusions: With the growing needfor massively annotated clinical data to support the development of machine learning models, we expect ANNO to be helpfulto many researchers.
#Medical Records #Data Mining #Information Storage and Retrieval #Personal Health Records #Information Storage and Retrieval

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0