Tài liệu Y tế: Machine learning based extraction of semantic relations

Tìm hiểu trích xuất quan hệ ngữ nghĩa từ văn bản y sinh bằng học máy. Ứng dụng và kỹ thuật giúp giải mã thông tin y học hiệu quả hơn.

Trường đại học

Không tìm thấy thông tin

Chuyên ngành

Không tìm thấy thông tin

Người đăng

Ẩn danh

Thể loại

Luận án tiến sĩ

2022

193
1
0

Phí lưu trữ

45 Point

Mục lục chi tiết

DECLARATION

1. INTRODUCTION TO BIOMEDICAL RELATION EXTRACTION

1.1. Semantic relation extraction

1.2. Biomedical named entity recognition

1.3. Biomedical relation classification

1.4. Literature review of biomedical named entity recognition

1.5. Literature review of biomedical relation extraction

1.6. Datasets for named entity recognition experiments

1.7. Datasets for relation classification experiments

1.8. Named entity recognition evaluation

1.9. Relation classification evaluation

2. AN END-TO-END PIPELINE MODEL FOR BIOMEDICAL RELATION EXTRACTION

2.1. Distant supervision learning with silverCID corpus

2.2. Proposed UET-CAM system

2.2.1. Joint model of named entity recognition and normalization (DNER)

2.3. Intra-sentence relation classification with support vector machine

2.4. Experimental results and discussion

2.4.1. Choosing the combining manner of SSI and skip-gram for named entity normalization results

2.4.2. Named entity recognition and normalization results

2.4.3. CID relation classification results

3. AN IMPROVED CRE-BILSTM MODEL FOR BIOMEDICAL NAMED ENTITY RECOGNITION

3.1. Introduction to deep learning for named entity recognition

3.2. Proposed D3NER model

3.2.1. Data pre-processing

3.2.2. The TPAC embeddings layer

3.2.3. Context representing biLSTM layer

3.2.4. Conditional random fields layer

3.3. Experimental results and discussion

3.3.1. Experimental environment and model settings

3.3.2. The performance of D3NER model and comparisons

3.3.3. Contribution of the model components

4. HYBRID, ATTENTION-BASED AND ENSEMBLE DEEP LEARNING MODELS FOR BIOMEDICAL RELATION CLASSIFICATION

4.1. The shortest dependency path

4.2. A hybrid adaptive deep learning model for biomedical relation extraction

4.3. Experimental corpora and comparative models

4.4. Experimental environment and model settings

4.5. Experimental results and discussion

4.5.1. An attentive augmented deep learning model for biomedical relation extraction

4.5.2. Experimental environment and model settings

4.5.3. Experimental results and discussion

4.5.4. A multi-fragment ensemble deep learning model for biomedical relation extraction

4.5.4.1. Over-fitting problem of deep learning-based models
4.5.4.2. Bagging with bootstrap training data
4.5.4.3. Proposed multi-fragment ensemble architecture
4.5.4.4. Experimental results and discussion

5. GRAPH-BASED INTER-SENTENCE RELATION CLASSIFICATION IN BIOMEDICAL TEXT

5.1. Inter-sentence relations classification problem

5.2. Proposed graph-based inter-sentence relation classification model

5.3. Document sub-graph construction

5.4. Paths finding, merging and choosing

5.5. Shared-weight convolutional neural network

5.6. Experimental results and discussion

5.6.1. Experimental environment and model settings

5.6.2. Contribution of the added virtual edges in document sub-graph

5.6.3. Different sliding window size w for training and testing

5.6.4. Contribution of the model components

5.6.5. Comparison to comparative model

5.7. Summary

CONCLUSION

LIST OF PUBLICATIONS

ABBREVIATIONS

LIST OF FIGURES

LIST OF TABLES

Preface

Tóm tắt

I. Tổng Quan Về Trích Xuất Quan Hệ Y Sinh Các Khái Niệm

Trong bối cảnh thông tin y sinh học đang bùng nổ, việc tự động hóa quy trình trích xuất tri thức từ các tài liệu khoa học trở nên vô cùng quan trọng. Trích xuất quan hệ y sinh (Biomedical Relation Extraction - BRE) là một lĩnh vực thuộc Xử lý ngôn ngữ tự nhiên y sinh (BioNLP), tập trung vào việc xác định và phân loại các mối quan hệ ngữ nghĩa giữa các thực thể sinh học (ví dụ: gen, protein, thuốc, bệnh) trong văn bản. BRE đóng vai trò then chốt trong nhiều ứng dụng, bao gồm xây dựng cơ sở dữ liệu tri thức, hỗ trợ ra quyết định lâm sàng và phát triển thuốc mới. Theo thống kê, số lượng bài báo khoa học trong lĩnh vực y sinh tăng trưởng nhanh chóng, với hơn 3000 bài báo được công bố mỗi ngày, đòi hỏi các phương pháp BRE hiệu quả để xử lý lượng thông tin khổng lồ này. Để hiểu rõ hơn về BRE, cần nắm vững các khái niệm cơ bản như nhận dạng thực thể có tên (Named Entity Recognition - NER) và phân loại quan hệ (Relation Classification - RC).

1.1. Nhận Dạng Thực Thể Có Tên NER Trong Y Sinh

Nhận dạng thực thể có tên (NER) trong lĩnh vực y sinh là quá trình xác định và phân loại các thực thể sinh học quan trọng trong văn bản, ví dụ như gen, protein, bệnh, thuốc và hóa chất. Đây là bước quan trọng đầu tiên trong quy trình trích xuất quan hệ y sinh, vì nó cung cấp các thực thể tiềm năng có thể liên quan đến nhau. Các phương pháp NER phổ biến bao gồm dựa trên từ điển, dựa trên luật, dựa trên học máy và học sâu. NER có thể được coi là một bài toán gắn nhãn chuỗi, trong đó mỗi từ trong câu được gán một nhãn cho biết nó thuộc loại thực thể nào hoặc không thuộc bất kỳ thực thể nào. Ví dụ: trong câu “Aspirin is used to treat headaches”, “Aspirin” được nhận dạng là một loại thuốc (Drug) và “headaches” là một căn bệnh (Disease). NER trong y sinh có nhiều ứng dụng, bao gồm trích xuất thông tin về tương tác thuốc-thuốc (Drug-Drug Interaction) và quan hệ bệnh-gen (Disease-Gene).

1.2. Phân Loại Quan Hệ Y Sinh Xác Định Mối Liên Kết

Phân loại quan hệ y sinh (Relation Classification - RC) là quá trình xác định và phân loại các mối quan hệ ngữ nghĩa giữa các thực thể sinh học đã được nhận dạng trong bước NER. RC xác định xem hai thực thể có liên quan đến nhau hay không, và nếu có thì mối quan hệ đó thuộc loại nào. Các loại quan hệ phổ biến trong y sinh bao gồm tương tác thuốc-thuốc, quan hệ bệnh-gen, quan hệ protein-protein và quan hệ hóa chất-bệnh. Các phương pháp RC có thể dựa trên luật, dựa trên đặc trưng (feature-based), hoặc dựa trên học sâu. Theo Huang và Lu (2015), RC là một trong những bài toán quan trọng trong BioNLP và thu hút sự quan tâm lớn từ cộng đồng nghiên cứu. Ví dụ, câu “Aspirin inhibits COX-2” thể hiện mối quan hệ “inhibit” giữa “Aspirin” (thuốc) và “COX-2” (protein). Việc phân loại chính xác các mối quan hệ này là rất quan trọng để xây dựng cơ sở dữ liệu tri thức và hỗ trợ các ứng dụng y sinh.

II. Thách Thức Trong Trích Xuất Quan Hệ Y Sinh Điểm Nghẽn

Mặc dù lĩnh vực trích xuất quan hệ y sinh đã đạt được những tiến bộ đáng kể, vẫn còn nhiều thách thức cần giải quyết để cải thiện độ chính xác và hiệu quả của các hệ thống BRE. Một trong những thách thức lớn nhất là sự phức tạp và đa dạng của ngôn ngữ y sinh, bao gồm sử dụng thuật ngữ chuyên ngành, cú pháp phức tạp và thông tin ẩn ý. Hơn nữa, sự thiếu hụt dữ liệu được gán nhãn chất lượng cao là một rào cản đáng kể đối với việc huấn luyện các mô hình học sâu hiệu quả. Dữ liệu y sinh thường không cân bằng, với một số loại quan hệ xuất hiện thường xuyên hơn các loại khác, gây khó khăn cho việc xây dựng các mô hình có khả năng khái quát hóa tốt. Ngoài ra, việc xử lý các mối quan hệ liên câu (inter-sentence relations), trong đó thông tin về mối quan hệ được phân tán trên nhiều câu, vẫn là một vấn đề khó khăn. Cuối cùng, việc đánh giá các hệ thống BRE cũng là một thách thức, do thiếu các bộ dữ liệu đánh giá chuẩn và các chỉ số đánh giá phù hợp.

2.1. Xử Lý Ngôn Ngữ Chuyên Ngành Y Sinh Rào Cản Lớn

Ngôn ngữ chuyên ngành trong lĩnh vực y sinh có nhiều đặc điểm khác biệt so với ngôn ngữ thông thường, bao gồm sử dụng thuật ngữ kỹ thuật, từ viết tắt, và cấu trúc câu phức tạp. Điều này gây khó khăn cho các mô hình xử lý ngôn ngữ tự nhiên (NLP) được huấn luyện trên dữ liệu thông thường. Các thuật ngữ chuyên ngành thường có nghĩa khác nhau tùy thuộc vào ngữ cảnh, và các từ viết tắt có thể có nhiều nghĩa khác nhau. Hơn nữa, cú pháp của các câu trong văn bản y sinh thường phức tạp, với nhiều mệnh đề phụ và cấu trúc lồng nhau. Để giải quyết thách thức này, cần sử dụng các phương pháp đặc biệt để xử lý ngôn ngữ chuyên ngành, chẳng hạn như sử dụng từ điển chuyên ngành, xây dựng các mô hình ngôn ngữ dành riêng cho lĩnh vực y sinh và áp dụng các kỹ thuật phân tích cú pháp nâng cao.

2.2. Thiếu Dữ Liệu Gán Nhãn Vấn Đề Nan Giải Hiện Nay

Việc huấn luyện các mô hình học sâu hiệu quả đòi hỏi lượng lớn dữ liệu được gán nhãn chất lượng cao. Tuy nhiên, việc gán nhãn dữ liệu trong lĩnh vực y sinh là một quá trình tốn kém và mất thời gian, đòi hỏi kiến thức chuyên môn sâu rộng. Do đó, dữ liệu được gán nhãn cho trích xuất quan hệ y sinh thường khan hiếm và không cân bằng. Các phương pháp học bán giám sát (semi-supervised learning) và học không giám sát (unsupervised learning) có thể được sử dụng để tận dụng dữ liệu không được gán nhãn, nhưng hiệu quả của chúng thường không cao bằng học giám sát (supervised learning). Một giải pháp khác là sử dụng kỹ thuật sinh dữ liệu nhân tạo (data augmentation) để tạo ra thêm dữ liệu huấn luyện từ dữ liệu hiện có, nhưng cần đảm bảo rằng dữ liệu nhân tạo vẫn giữ được tính chính xác và phù hợp.

2.3. Trích Xuất Quan Hệ Liên Câu Thách Thức Tiềm Năng

Trong nhiều trường hợp, thông tin về mối quan hệ giữa hai thực thể không nằm trong cùng một câu mà được phân tán trên nhiều câu trong văn bản. Việc trích xuất quan hệ liên câu đòi hỏi các mô hình có khả năng nắm bắt ngữ cảnh rộng hơn và suy luận trên nhiều câu. Các phương pháp phổ biến để xử lý quan hệ liên câu bao gồm sử dụng mô hình ngôn ngữ (language model), mạng nơ-ron hồi quy (recurrent neural network) và đồ thị tri thức (knowledge graph). Tuy nhiên, việc xây dựng các mô hình hiệu quả để trích xuất quan hệ liên câu vẫn là một thách thức lớn, do độ phức tạp của việc nắm bắt và liên kết thông tin trên nhiều câu.

III. Mô Hình Học Sâu Cải Tiến Giải Pháp Cho Quan Hệ Y Sinh

Để vượt qua các thách thức trong trích xuất quan hệ y sinh, nhiều nghiên cứu đã tập trung vào việc phát triển các mô hình học sâu cải tiến. Các mô hình này tận dụng khả năng tự động học đặc trưng và nắm bắt ngữ cảnh phức tạp của mạng nơ-ron để đạt được hiệu suất cao hơn so với các phương pháp truyền thống. Một số kiến trúc phổ biến bao gồm mạng nơ-ron tích chập (Convolutional Neural Network - CNN), mạng nơ-ron hồi quy (Recurrent Neural Network - RNN), và mạng Transformer. Các mô hình này thường được kết hợp với các kỹ thuật attention để tập trung vào các phần quan trọng của câu và cải thiện khả năng suy luận. Ngoài ra, việc sử dụng word embeddings được huấn luyện trước (pre-trained word embeddings) như Word2Vec, GloVe và BERT cũng giúp cải thiện đáng kể hiệu suất của các mô hình BRE.

3.1. CNN Và RNN Ưu Điểm Trong Trích Xuất Đặc Trưng

Mạng nơ-ron tích chập (CNN) và mạng nơ-ron hồi quy (RNN) là hai kiến trúc học sâu phổ biến được sử dụng trong trích xuất quan hệ y sinh. CNN có khả năng trích xuất các đặc trưng cục bộ quan trọng trong câu, trong khi RNN có khả năng nắm bắt ngữ cảnh dài hạn. Trong BRE, CNN thường được sử dụng để trích xuất các đặc trưng từ các cụm từ xung quanh các thực thể, trong khi RNN được sử dụng để mã hóa toàn bộ câu và nắm bắt các phụ thuộc giữa các từ. Cả CNN và RNN đều có thể được kết hợp với các kỹ thuật attention để tập trung vào các phần quan trọng của câu và cải thiện hiệu suất. Ví dụ, CNN có thể được sử dụng để trích xuất các đặc trưng từ Shortest Dependency Path giữa hai thực thể và RNN có thể được sử dụng để mã hóa các câu trong một đoạn văn bản.

3.2. Mô Hình Dựa Trên Attention Tập Trung Thông Tin Quan Trọng

Cơ chế attention cho phép các mô hình học sâu tập trung vào các phần quan trọng nhất của đầu vào, cải thiện khả năng suy luận và giảm nhiễu. Trong trích xuất quan hệ y sinh, cơ chế attention có thể được sử dụng để tập trung vào các từ hoặc cụm từ quan trọng trong câu, hoặc các câu quan trọng trong một đoạn văn bản. Ví dụ, một mô hình attention có thể tập trung vào các động từ thể hiện mối quan hệ giữa các thực thể, hoặc các từ khóa liên quan đến loại quan hệ cần trích xuất. Các mô hình attention thường được sử dụng kết hợp với các kiến trúc CNN, RNN và Transformer để đạt được hiệu suất cao nhất. Cơ chế attention không chỉ giúp cải thiện độ chính xác của các mô hình BRE, mà còn giúp giải thích các quyết định của mô hình, cho phép người dùng hiểu rõ hơn về cách mô hình hoạt động.

3.3. Mô Hình Transformer Ưu Thế Vượt Trội Về Hiệu Năng

Mô hình Transformer, với cơ chế self-attention, đã chứng minh hiệu quả vượt trội trong nhiều bài toán NLP, bao gồm trích xuất quan hệ y sinh. Transformer cho phép mô hình xử lý toàn bộ câu một cách song song, thay vì tuần tự như RNN, giúp tăng tốc độ huấn luyện và cải thiện khả năng nắm bắt các phụ thuộc xa. Các mô hình Transformer được huấn luyện trước trên lượng lớn dữ liệu văn bản, như BERT, BioBERT và SciBERT, có thể được tinh chỉnh cho các bài toán BRE cụ thể, đạt được hiệu suất rất cao. Việc sử dụng các mô hình Transformer được huấn luyện trước giúp giảm thiểu nhu cầu về dữ liệu huấn luyện và cải thiện khả năng khái quát hóa của các mô hình BRE. Tuy nhiên, các mô hình Transformer thường có kích thước lớn và đòi hỏi nhiều tài nguyên tính toán.

IV. Phân Loại Liên Câu Dựa Trên Đồ Thị Hướng Tiếp Cận Mới

Một hướng tiếp cận mới trong trích xuất quan hệ y sinh là sử dụng đồ thị để biểu diễn mối quan hệ giữa các câu và các thực thể trong văn bản, và áp dụng các thuật toán học trên đồ thị để phân loại quan hệ liên câu. Trong phương pháp này, mỗi câu và mỗi thực thể được biểu diễn như một nút trên đồ thị, và các cạnh giữa các nút biểu diễn mối quan hệ giữa chúng. Các thuật toán học trên đồ thị, như Graph Neural Networks (GNNs), có thể được sử dụng để lan truyền thông tin trên đồ thị và học các biểu diễn nút hiệu quả cho việc phân loại quan hệ. Phương pháp này đặc biệt hữu ích cho việc xử lý các mối quan hệ liên câu, vì nó cho phép mô hình nắm bắt ngữ cảnh rộng hơn và suy luận trên nhiều câu. Tuy nhiên, việc xây dựng đồ thị hiệu quả và lựa chọn các thuật toán học trên đồ thị phù hợp vẫn là những thách thức cần giải quyết.

4.1. Xây Dựng Đồ Thị Tri Thức Từ Văn Bản Y Sinh Cách Thực Hiện

Việc xây dựng đồ thị tri thức từ văn bản y sinh đòi hỏi việc xác định các thực thể và mối quan hệ quan trọng, và biểu diễn chúng dưới dạng các nút và cạnh trên đồ thị. Các thực thể có thể là gen, protein, bệnh, thuốc, hoặc các khái niệm y sinh khác. Các mối quan hệ có thể là tương tác thuốc-thuốc, quan hệ bệnh-gen, hoặc các mối quan hệ ngữ nghĩa khác. Các phương pháp NER và RC có thể được sử dụng để tự động trích xuất các thực thể và mối quan hệ từ văn bản. Sau đó, các thực thể và mối quan hệ này được sử dụng để xây dựng đồ thị tri thức. Đồ thị tri thức có thể được sử dụng để hỗ trợ nhiều ứng dụng, bao gồm truy vấn thông tin, suy luận tri thức và khám phá tri thức mới.

4.2. Ứng Dụng Graph Neural Networks GNNs Giải Quyết Bài Toán

Graph Neural Networks (GNNs) là một loại mạng nơ-ron được thiết kế để hoạt động trên đồ thị. GNNs có khả năng lan truyền thông tin trên đồ thị và học các biểu diễn nút hiệu quả cho việc phân loại và dự đoán. Trong trích xuất quan hệ y sinh, GNNs có thể được sử dụng để phân loại các mối quan hệ giữa các thực thể trên đồ thị tri thức. GNNs có thể tận dụng thông tin về cấu trúc đồ thị và các đặc trưng của các nút và cạnh để cải thiện độ chính xác của việc phân loại quan hệ. Các mô hình GNNs phổ biến bao gồm Graph Convolutional Networks (GCNs) và Graph Attention Networks (GATs). GNNs đang trở thành một công cụ ngày càng quan trọng trong lĩnh vực trích xuất quan hệ y sinh.

V. Ứng Dụng Trích Xuất Quan Hệ Y Sinh Thay Đổi Thế Giới

Các hệ thống trích xuất quan hệ y sinh có nhiều ứng dụng quan trọng trong lĩnh vực y sinh và chăm sóc sức khỏe. Một trong những ứng dụng quan trọng nhất là xây dựng cơ sở dữ liệu tri thức (Knowledge Base - KB), chứa thông tin về các thực thể và mối quan hệ y sinh. Các KB này có thể được sử dụng để hỗ trợ các nhà nghiên cứu trong việc khám phá tri thức mới, các bác sĩ trong việc ra quyết định lâm sàng và các nhà quản lý trong việc quản lý hệ thống y tế. Ngoài ra, BRE còn được sử dụng trong các ứng dụng khác như phát triển thuốc mới, chẩn đoán bệnh, dự đoán tác dụng phụ của thuốc và cá nhân hóa điều trị. Sự phát triển của các hệ thống BRE hiệu quả có tiềm năng cách mạng hóa lĩnh vực y sinh và cải thiện sức khỏe con người.

5.1. Xây Dựng Cơ Sở Dữ Liệu Tri Thức Y Sinh Nền Tảng Quan Trọng

Cơ sở dữ liệu tri thức (Knowledge Base - KB) y sinh là một tập hợp có cấu trúc các thông tin về các thực thể và mối quan hệ y sinh. Các KB này được xây dựng bằng cách sử dụng các hệ thống trích xuất quan hệ y sinh để tự động trích xuất thông tin từ các tài liệu khoa học. Các KB y sinh có thể được sử dụng để hỗ trợ nhiều ứng dụng, bao gồm truy vấn thông tin, suy luận tri thức, khám phá tri thức mới, hỗ trợ ra quyết định lâm sàng và phát triển thuốc mới. Một số KB y sinh nổi tiếng bao gồm DrugBank, CTD (Comparative Toxicogenomics Database) và BioGRID. Việc xây dựng và duy trì các KB y sinh là một nỗ lực liên tục, do sự gia tăng không ngừng của thông tin y sinh.

5.2. Hỗ Trợ Quyết Định Lâm Sàng Tương Lai Của Y Học

Trích xuất quan hệ y sinh có thể được sử dụng để xây dựng các hệ thống hỗ trợ quyết định lâm sàng, giúp các bác sĩ đưa ra các quyết định điều trị chính xác và hiệu quả hơn. Các hệ thống này có thể sử dụng thông tin từ các KB y sinh, kết hợp với thông tin về bệnh nhân (ví dụ: tiền sử bệnh, kết quả xét nghiệm, thông tin di truyền) để đưa ra các khuyến nghị về điều trị, dự đoán nguy cơ biến chứng và cảnh báo về tương tác thuốc-thuốc. Các hệ thống hỗ trợ quyết định lâm sàng có tiềm năng cải thiện đáng kể chất lượng chăm sóc sức khỏe và giảm thiểu sai sót trong y tế. Tuy nhiên, việc triển khai các hệ thống này đòi hỏi sự tin tưởng của các bác sĩ và sự đảm bảo về tính chính xác và độ tin cậy của thông tin.

VI. Kết Luận Hướng Phát Triển Tương Lai Trích Xuất Quan Hệ

Trích xuất quan hệ y sinh là một lĩnh vực quan trọng và đầy tiềm năng trong BioNLP, đóng vai trò then chốt trong việc khai thác tri thức từ lượng lớn dữ liệu văn bản y sinh. Các mô hình học sâu cải tiến và phương pháp phân loại liên câu dựa trên đồ thị đang mở ra những hướng đi mới cho việc cải thiện độ chính xác và hiệu quả của các hệ thống BRE. Trong tương lai, chúng ta có thể kỳ vọng vào sự phát triển của các hệ thống BRE thông minh hơn, có khả năng suy luận phức tạp, xử lý ngôn ngữ chuyên ngành tốt hơn và tích hợp với các nguồn thông tin y sinh khác nhau. Những hệ thống này sẽ đóng góp quan trọng vào việc khám phá tri thức mới, phát triển thuốc mới, cải thiện chẩn đoán bệnh và cá nhân hóa điều trị, mang lại lợi ích to lớn cho xã hội.

6.1. Hướng Nghiên Cứu Mới Học Sâu Đồ Thị Tri Thức Hơn Thế Nữa

Trong tương lai, hướng nghiên cứu chính trong lĩnh vực trích xuất quan hệ y sinh sẽ tập trung vào việc phát triển các mô hình học sâu tiên tiến hơn, có khả năng xử lý ngôn ngữ chuyên ngành tốt hơn, nắm bắt ngữ cảnh rộng hơn và tích hợp với các nguồn thông tin y sinh khác nhau. Việc sử dụng đồ thị tri thức để biểu diễn mối quan hệ giữa các thực thể và các câu trong văn bản sẽ tiếp tục là một hướng đi tiềm năng. Ngoài ra, việc nghiên cứu các phương pháp học không giám sát và học bán giám sát để tận dụng dữ liệu không được gán nhãn cũng sẽ đóng vai trò quan trọng. Cuối cùng, việc phát triển các bộ dữ liệu đánh giá chuẩn và các chỉ số đánh giá phù hợp sẽ giúp thúc đẩy sự tiến bộ của lĩnh vực BRE.

6.2. Tích Hợp Đa Nguồn Dữ Liệu Tạo Ra Hệ Thống Thông Minh

Để xây dựng các hệ thống trích xuất quan hệ y sinh thông minh hơn, cần tích hợp các nguồn dữ liệu khác nhau, bao gồm văn bản khoa học, cơ sở dữ liệu y sinh, thông tin di truyền và dữ liệu bệnh nhân. Việc tích hợp đa nguồn dữ liệu cho phép các mô hình BRE tận dụng thông tin bổ sung và cải thiện độ chính xác của việc phân loại quan hệ. Ví dụ, thông tin di truyền có thể được sử dụng để xác định các mối quan hệ bệnh-gen, và dữ liệu bệnh nhân có thể được sử dụng để xác định các tác dụng phụ của thuốc. Việc tích hợp đa nguồn dữ liệu là một thách thức lớn, đòi hỏi các phương pháp xử lý dữ liệu phức tạp và các kỹ thuật khai thác tri thức tiên tiến. Tuy nhiên, tiềm năng của việc tích hợp đa nguồn dữ liệu là rất lớn, và nó có thể cách mạng hóa lĩnh vực y sinh và chăm sóc sức khỏe.

Tóm tắt và mô tả trên trang này được tạo với sự hỗ trợ của AI. Nếu bạn thấy nội dung không chính xác hoặc có vấn đề, vui lòng Báo lỗi nội dung.

17/05/2025
Machine learning based extraction of semantic relations from biomedical literature trích xuất mối quan hệ ngữ nghĩa trong văn bản y sinh dựa trên học máy

Trích đoạn nội dung tài liệu

Declaration Thereby declare that this Doctoral Dissertation was carried out by me for the degree of Doctor of Philosophy under the guidance and supervision of my supervisors. This dissertation is my own work and includes nothing, which is the outcome of work done in collaboration except as specified in the text. It is not substantially the same as any I have submitted for a degree, diploma or other qualification at any other university; and no part has already been, or is currently being submitted for any degree, diploma or other qualification. Hanoi , January 2022 Author Le Hoang Quynh iii Table of Contents DECLARATION.

00000 2 eee ee Lo Hi TABLE OF CONTENTS. ee ee viii LIST OF FIGURES. xi LIST OF TABLES .00000 00 02 ee 1 1 INTRODUCTION TO BIOMEDICAL RELATION EXTRACTION .1 Semantic relation exftraction.2 Biomedical named entity recognition. Biomedical relation classiicatlon.1 Literature review of biomedical named entity recognition .2 Literature review of biomedical relation extraction .1 Datasets for named entity recognition experiments .2 Datasets for relation classification experiments.

Named entity recognition evaluation. Relation classification evalualon. 00 ee ee 37 IV 2 ANEND-TO-END PIPELINE MODEL FOR BIOMEDICAL RELATION EXTRACTION .000 eee ee ee 38 2.1 Distant supervision learning with silverCID corpus .2 Proposed UET-CAM system.1 Joint model of named entity recognition and normalization (DNER) 43 2. Intra-sentence relation classification with support vector machine .3 Experimental results and discussion .1 Choosing the combining manner of SSI and skip-gram for named entity normalization results .2 Named entity recognition and normalization results.3, CID relation classiicatlonresults.

ee 62 3 AN IMPROVED CRE-BILSTM MODEL FOR BIOMEDICAL NAMED ENTITY RECOGNITION .1 Introduction to deep learning for named entity recognition .2 Proposed D3NER model.1 Data pre-processing .2 The TPAC embeddings layer .3 Context representing biLSTM layer.5 Conditional random fields layer.3 Experimental results and discussion .1 Experimental environment and model settings. The performance of D3NER model and comparisons .4 Contribution of the model components. Q Q Q Q HQ Q HH ee 86 4 HYBRID, ATTENTION-BASED AND ENSEMBLE DEEP LEARNING MODELS FOR BIOMEDICAL RELATION CLASSIFICATION .1 The shortest dependency path.2 The shortest dependency path.2 A hybrid adaptive deep learning model for biomedical relation extraction.2 Experimental corpora and comparative models. Experimental environment and model settings .4 Experimental results and discussion .3, An attentive augmented deep learning model for biomedical relation ex- traction 2.

Experimental environment and model setings.4 Experimental results and discussion .4 A multi-fragment ensemble deep learning model for biomedical relation extraction 2.1 Over-fitting problem of deep learning-based models .2 Bagging with bootstrap tramngdata.3 Proposed multi-fragment ensemble architecture .4 Experimental results and discussion. ee ee 129 GRAPH-BASED INTER-SENTENCE RELATION CLASSIFICATION IN BIOMEDICALTEXT.1 Inter-sentence relations classification problem.2 Proposed graph-based inter-sentence relation classification model. eee ee eee ee 134 5. Document sub-graph construction .3 Paths finding, merging and choosing .4 Shared-weight convolutional neural network.3 Experimental results and discussion .1 Experimental environment and model settings .2 Contribution of the added virtual edges in document sub-graph .3 Different sliding window size w for training and testing .4 Contribution of the model components .5 Comparison to comparativemodel.5 Summary CONCLUSION LIST OF PUBLICATIONS.

Vii ABBREVIATIONS Acc Accuracy Adam Adaptive Moment Estimation ANN Artificial Neural Network bagging Bootstrap Aggregating BB3 Bacteria Biotope Task BCS CDR corpus BioCreative V Chemical-Disease relation cor- pus BERT Bidirectional Encoder Representations from Transformers biLSTM Bidirectional Long Short-term Memory CBOW Continuous Bag-of-words CDR Chemical Disease Relation CID Chemical-induced Disease CNN Convolutional Neural Network CRF Conditional Random Fields CTD Comparative Toxicogenomics Database DDI Drug-drug Interaction DNER Disease Named Entity Recognition DNN Deep Neural Network DU Dependency Unit ELMO Embeddings from Language Models FN False Negative Vili FP False Positive FSU-PRGE The FSU PRotein GEne Corpus GD Gradient Descent HAScO Human-Aware Science Ontology HHEAR Human Health Exposure Analysis Resource HMM Hidden Markov Model TAA Inter-annotator Agreement IE Information Extraction KB Knowledge-base LSTM Long Short-term Memory MASS Man for All SeasonS MESH Medical Subject Headings mf Multi-fragment MLP Multilayer Perceptron MUC Message Understanding Conferences NCBI National Center for Biotechnology Informa- tion NCIT National Cancer Institute Thesaurus NE Named Entity NEN Named Entity Normalization NER Named Entity Recognition NLP Natural Language Processing OOV Out-Of- Vocabulary OWL Orthology Ontology P Precision PMC Pubmed Central 1X POS Part-of-speech R Recall RbSP Richer-but-Smarter Shortest Dependency Path RC Relation Classification RE Relation Extraction ReLU Rectified Linear Unit REP Replacement RGO Radiology Gamuts Ontology RNN Recurrent Neural Network SDP The Shortest Dependency Path SilverCID A Silver-standard Corpus for Chemical- induced Disease Relation Extraction SNOMED Systematized Nomenclature of Medicine SSI Supervised Semantic Indexing stdev Standard Deviation SVM Suport Vector Machine swCNN Shared-weight Convolutional Neural Network TN True Negative TP True Positive TPAC the Token-POS tag-Abbrviation-Character Embeedings UMLS Unified Medical Language System w/o REP With out Replacement List of Figures Growth of MEDLINE citations from 1986 to 2019. 2 Challenges’ subtasks/tracks organized based on NLP perspectives [64]. 3 The dissertation outline.1 An example taken from the BC5 CDR corpus with recognized names of Disease, Chemical and Specles.2 Examples of (a) inter-sentence relation and (b) intra-sentence relation.3 Examples of relations with specific and unspecific location.4 Examples of (a) Promotes - a directed relation and (b) Associated - an undirected relation taken from Phenebank corpus.5 Named entity recognition approaches taxonomy.6 Relation extraction approaches taxonomy.7 The statistics of corpora used in our experiments for relation classification.1 Analysis of the Direct Evidence field in the CTD databases.2 An example of constructing silverCID corpus.3 Architecture of the proposed UET-CAM system.4 Advanced SSI model using skip-gram information for NEN.5 Hybrid model of SSI and skip-gram model for NEN.6 Sequential back-off model of SSI and skip-gram model for NEN.7 An example of coreference In text.8 An examples of using multi-pass sieve for coreference resolution.1 The D3NER architecture.2 The TPAC embedding architecture of D3NER.1 Example of adependency tree.2 Examples of the shortest dependency paths .3 Examples of the dependency unit in the shortest dependency paths.4 The architecture of MASS model for relation classification.5 The multi-channel LSTM for word representation.6 Ablation test results for various components and information sources of MASSmodel.7 Examples of SDPs and attached child nodes.8 The architecture of RbSP model for relation classification.9 The multi-layer attention architecture to extract the augmented informa- tion from the children of a token on SDP.10 Ablation test results for compositional embeddings of RbSP model.11 Ablation test results for augmented information of RbSP model.12 Training loss, training accuracy, validation loss and validation accuracy of our RbSP model in BC5 CDR corpus.13 The range of RbSP model’s results on BCS CDR test set.14 The multi-fragment ensemble architecfure.15 The changes of multi-fragment ensemble model’s results with different size of training data. Ặ Ặ Q Q Q Q HQ HH ko 4.16 The changes #'I of multi-fragment ensemble model with different vote threshold.1 Examples of complicated cross-sentence relations.2 The proposed model for inter-sentence relation classification.3 Use sliding window to choose adjacent sentences for building document sub-graph.4 Examples of adocument sub-graph.5 Examples of two unexpected problems while generating the instance from document sub-graph.6 Example of an abstract with many NER annotations that leads to the ex- ee 140 plosion of similar paths.7 Diagram illustrating of aswCNN architecture.8 Ablation test results for virtual edges of the document sub-graph.9 The change of results with different size of sliding window.

Xi List of Tables 1.1 Example sentences labeled using different tagging schema .2 Examples for different relation types.3 Information about the BCS CDR, NCBI and FSU-PRGE corpora for NER.4 Information about the BC5 CDR, BB3, DDI and Phenebank corpora for relation classification.5 Defining the test metrics.1 Detailed Input/Output and the objectives of UET-CAM components.2 Large-scale feature set used in the intra-sentence relation extraction mod- ule of UET-CAM system.3 Named Entity Normalization results with different combining architectures.4 Disease named entity recognition results on BC5 CDR corpus of UET- CAM system.5 Relation classification results on BC5 CDR corpus of UET-CAM system.6 Analysis of the contribution of methods and resources used in the UET- CAM system for capturing CID relatonships.7 Sources of errors by our system system on the CDR test set.1 Configurations and parameters of D3NER model.2 Experimental results of D3NER for 20 runs each with different random initialization on BCS CDR and NCBI corpora.3 Performance of D3NER and compared state-of-the-art models on two benchmark corpora for Disease and Chemical NER.4 Experimental results of D3NER for 20 runs each with different random initialization on FSU-PRGE corpus (4-fold cross validation).5 Performance of D3NER and compared state-of-the-art model on FSU- PRGE corpus for Gene/protein NER.6 Ablation test results for different embeddings of D3NER model.7 Impact of fine-tunning embeddings as the D3NER’s hyper-parameters.8 D3NER confusion matrix on the CDR corpus.9 Examples for errors caused by D3NER on the BC5 CDR and FSU-PRGE COMpOra.1 Examples for different relation types.2 Configurations and parameters of MASS model.3 Results of MASS model on the BCS CDR corpus.4 Results of MASS model on the DDI-2013 corpus.5 Results of MASS model on the BB3 corpus.6 Results of MASS model on the Phenebank corpus.7 Examples of MASS model’s errors.8 Configurations and parameters of RbSP model.9 The RbSP model’s performance on BC5 CDR corpus.10 Multi-fragment ensemble results on BCS CDR corpus.11 The comparison of our ensemble proposed models with other compara- tive models on BC5 CDR corpus.12 The comparison of our ensemble proposed models with other compara- tive models on DDI corpus.1 Tuned hyper-parameter of proposed model.2 Ablation test results for added virtual edges in the document sub-graph.3 Results of the document sub-graph based model on BCS CDR corpus with different size of sliding window for training and testing.4 Ablation test results for various components of the document sub-graph based model on BC5 CDR corpus.5 The performance of document sub-graph-based model and some compar- ative models.6 The detailed results of the document sub-graph based model.7 Examples of errors on the BC5 CDR testset. 151 XIV Preface The necessities of the dissertation: In the past several decades, biomedicine and human health care have become one of the major service industries. They have been receiving increasing attention from the research community and the whole society., in 2011, biomedical research in the United States received 100—billion dollars of investment, with approximately 65% supported by industry, 30% by the government, and the remaining 5% by charities, foun- dations, or individual donors [137]. Up to the present, many researchers have been still working hard with an expectation that more advances would occur for supporting biomedical science and healthcare.

Therefore, the inevitable need is understanding and analyzing the existed information and knowledge bases. As a result, the field of biomedical research has overgrown, and the number of biomedical scientific publications is growing at an extremely high rate. Accessing and processing this data to keep abreast of the state-of-the-art and making discoveries in biomedical/healthcare scientific researches is essential for several types of users, in- cluding biomedical researchers, clinicians, database curators, and bibliometricians [77]. There is more than 3000 articles are published in biomedical journals every day [64].

MEDLINE®, a biomedical database of the US National Library of Medicine, is one of the most prominent and largest biomedical digital repositories. As of 2019, it already contains more than 26 million citations with a fast increasing number of articles in life sciences with a concentration on biomedicine!. Figure | illustrates the growth of MED- LINE from ~ 1 million in 1970 to ~ 26 million citations in 2019. More impressively, this number has increased nearly two times in 14 years, from 2005 (~ 13.

PubMed®” is a free resource developed and maintained by the NCBI which pro- Inttps://www.gov/bsd/medline_pubmed_production_stats.html "https ://www.gov/pubmed 27 25 23 21 19 17 15 13 11 9 7 5 3 1 PL FFP FP x.% Figure 1: Growth of MEDLINE citations from 1986 to 2019. The vertical axis shows the number ofcitation (in million). For clearly visualization, the Statistics before 2005 were presented every 5 years. vides free access to MEDLINE and some other databases.

Following the statistic re- ported in November 2019°, the total of PubMed citations cumulative has surpassed 30 million.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ