Desarrollan un sistema basado en inteligencia artificial para identificar las emociones en Twitter

Un equipo de investigación de la Universidad de Jaén ha desarrollado un sistema basado en inteligencia artificial para reconocer las emociones de los usuarios en Twitter. Esta tecnología, aplicada por primera vez al idioma castellano, percibe el estado anímico de las personas que escriben mensajes en la red social, los analiza y clasifica. Los investigadores […]

Ampliar...

Reconocimiento a investigadores de la Universidad de Jaén por el desarrollo de un sistema que permite el análisis de textos oncológicos

Un sistema computacional basado en redes neuronales profundas que permite el análisis de textos oncológicos desarrollado por los investigadores del Grupo ‘Sistemas Inteligentes de Acceso a la Información’ (SINAI) del Departamento de Informática de la Universidad de Jaén Pilar López Úbeda, Manuel Carlos Díaz Galiano, L. Alfonso Ureña López y Mª Teresa Martín Valdivia fue premiado en el marco […]

Ampliar...

Un trabajo de la UJA sobre la negación en español y su aplicación al análisis de sentimientos recibe el premio a Mejor Tesis Doctoral en Procesamiento del Lenguaje Natural

La doctora e investigadora del Grupo ‘Sistemas Inteligentes de Acceso a la Información’ (SINAI) del Departamento de Informática de la Universidad de Jaén, Salud María Jiménez Zafra, ha obtenido el prestigioso y reconocido Premio a la Mejor Tesis Doctoral en Procesamiento del Lenguaje Natural en la XXXVI Edición del Congreso Internacional de la Sociedad Española para […]

Ampliar...

SINAI at CLEF eHealth 2020: testing different pre-trained word embeddings for clinical coding in Spanish

Este artículo describe el sistema presentado por el equipo SINAI para la tarea de extracción de información multilingüe del CLEF eHealth Lab 2020. Esta tarea se centra en la asignación automática de de los códigos de la Clasificación Internacional de Enfermedades (CIE) a textos relacionados con la salud en español. Nuestra propuesta sigue un enfoque […]

Ampliar...

SINAI at eHealth-KD Challenge 2020: Combining Word Embeddings for Named Entity Recognition in Spanish Medical Records

Este artículo describe el sistema presentado por el grupo de investigación SINAI al reto eHealth-KD en IberLEF 2020. Se definieron dos subtareas principales para el descubrimiento de conocimiento en la historia clínica española el reconocimiento de entidades y la extracción de relaciones. En el campo del Procesamiento del Lenguaje Natural (PLN), el Reconocimiento de En […]

Ampliar...

Extracting Neoplasms Morphology Mentions in Spanish Clinical Cases through Word Embeddings

La biomedicina es un entorno ideal para el uso del Procesamiento del Lenguaje Natural (PLN), debido a la enorme cantidad de información procesada y almacenada en formato electrónico. Esta información puede ser gestionada de diferentes formas mediante tareas de PLN como el Reconocimiento de Entidades Nombradas (NER). Para abordar esta tarea, CANTEMIST es el primer […]

Ampliar...

AI identifies unexpected findings in radiology reports

Los algoritmos de inteligencia artificial (IA) pueden identificar los informes de radiología que contienen hallazgos inesperados con un alto nivel de precisión, lo que podría informaría a los médicos antes de obtener resultados importantes. Un equipo dirigido por Pilar López Úbeda, de la Universidad de Jaén, entrenó una serie de algoritmos de aprendizaje profundo y […]

Ampliar...

TREC 2019 Precision Medicine – Medical University of Graz

En este artículo informamos sobre nuestra participación en el track de medicina de precisión de TREC 2019 (nombre del equipo: imi_mug). Presentamos 5 ejecuciones totalmente automáticas a la subtarea de artículos biomédicos subtarea, dos de ellas con tratamientos. Nuestro sistema se basó en Elasticsearch, plantillas, y la generación de consultas de búsqueda de búsqueda de […]

Ampliar...

Using Snomed to recognize and index chemical and drug mentions

En este trabajo describimos un nuevo sistema de extracción de entidades con nombre. Nuestro trabajo propone un sistema para la identificación y anotación de nombres de fármacos en textos biomédicos en español basado en modelos de machine learning y deep learning. Posteriormente, se asigna un código estandarizado mediante Snomed se asigna a estos fármacos, para […]

Ampliar...