Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/20938
Title: Un modelo para la obtención de interacciones medicamentosas mediante aprendizaje profundo sobre el corpus ’DDI EXTRACTION 2013’
Authors: Jiménez Hernández, María Cristina
Keywords: COMPUTACIÓN
APRENDIZAJE PROFUNDO
MEDICAMENTOS
Issue Date: 19-Jun-2020
Publisher: Quito, 2020.
Citation: Jiménez Hernández, M. C. (2020). Un modelo para la obtención de interacciones medicamentosas mediante aprendizaje profundo sobre el corpus ’DDI EXTRACTION 2013’. 79 hojas. Quito : EPN.
Abstract: Drug-Drug interactions (DDI) constitutes essential and useful information for medical staffand patients, since they provide information on the effects of co-administered medications topatients, during therapy. This study uses a Piecewise Convolutional Neural Network (PCNN)to capture the relationship between pharmacological entities described in the biomedicaldatabases. Additionally, the model incorporates multichannel words to expand vocabularyand decrease the number of unknown words. The stochastic optimizer Adam is used forlearning the network parameters automatically, and Gaussian noise layer is added to improvethe extraction of DDI relationships. Experiments show an improved performance of thenew model, regard to the models found in the current technical literature, related to theDDIExtraction2013 Challenge, with verifiable and reproducible results.
Description: Las interacciones medicamentosas (DDI) constituyen información importante y útil para el personal médico y los pacientes, puesto que proporcionan información sobre los efectos que producen durante una terapia los medicamentos coadministrados a un paciente. Este estudio utiliza un modelo convolucional por partes PCNN para capturar eficientemente la relación que existe entre entidades farmacológicas descrita en la literatura biomédica. Adicionalmente, este modelo utilizó la incorporación de palabras multicanal para ampliar el vocabulario y disminuir la cantidad de palabras desconocidas, y el optimizador estocástico Adam para aprender automáticamente los parámetros de red y se añadió una capa de ruido Gausiano para la extracción eficaz de relaciones DDI. Los experimentos muestran una mejora en el rendimiento del nuevo modelo, en relación con los modelos encontrados en la literatura técnica actual, relacionados con el desafío DDIExtraction2013, con resultados verificables y reproducibles.
URI: http://bibdigital.epn.edu.ec/handle/15000/20938
Appears in Collections:Tesis Maestría en Ciencias de la Computación y Comercio Electrónico (FIS)

Files in This Item:
File Description SizeFormat 
CD 10456.pdf3,05 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.