Génération contrôlée de cas cliniques en français à partir de données médicales structurées - Laboratoire Interdisciplinaire des Sciences du Numérique Access content directly
Conference Papers Year : 2024

Génération contrôlée de cas cliniques en français à partir de données médicales structurées

Abstract

La génération de texte ouvre des perspectives pour pallier l'absence de corpus librement partageables dans des domaines contraints par la confidentialité, comme le domaine médical. Dans cette étude, nous comparons les performances de modèles encodeurs-décodeurs et décodeurs seuls pour la génération conditionnée de cas cliniques en français. Nous affinons plusieurs modèles pré-entraînés pour chaque architecture sur des cas cliniques en français conditionnés par les informations démographiques des patient·es (sexe et âge) et des éléments cliniques.Nous observons que les modèles encodeur-décodeurs sont plus facilement contrôlables que les modèles décodeurs seuls, mais plus coûteux à entraîner.
Fichier principal
Vignette du fichier
6663.pdf (190.25 Ko) Télécharger le fichier
Origin Publisher files allowed on an open archive

Dates and versions

hal-04623034 , version 1 (01-07-2024)

Licence

Identifiers

  • HAL Id : hal-04623034 , version 1

Cite

Hugo Boulanger, Nicolas Hiebel, Olivier Ferret, Karën Fort, Aurélie Névéol. Génération contrôlée de cas cliniques en français à partir de données médicales structurées. 35èmes Journées d'Études sur la Parole (JEP 2024) 31ème Conférence sur le Traitement Automatique des Langues Naturelles (TALN 2024) 26ème Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RECITAL 2024), Jul 2024, Toulouse, France. pp.435-448. ⟨hal-04623034⟩
19 View
0 Download

Share

Gmail Mastodon Facebook X LinkedIn More