EASIER
El proyecto EASIER, del Grupo Human Language and Accessibility Technologies (HULAT), del departamento de Informática de la Universidad Carlos III de Madrid (UC3M) tiene como objetivo desarrollar una solución que mejore la accesibilidad a la información digital favoreciendo el acceso a las personas con discapacidad intelectual.
Combining the BANNER tool with the DINTO ontology for the CEMP task of BioCreative V.5
Labda at tass-2018 task 3: Convolutional neural networks for relation classification in spanish ehealth documents
A two-stage deep learning approach for extracting entities and relationships from medical texts
Lexical simplification approach to support the accessibility guidelines
The Harmonization of ICT Accessibility Standards for Public Policies
DeepEMR: Extracción de información clínica usando deep learning y técnicas de Big Data
- Lee más sobre DeepEMR: Extracción de información clínica usando deep learning y técnicas de Big Data
El objetivo es el desarrollo de un sistema para procesamiento del texto libre de las historias clínicas electrónicas (HCE) del Hospital Universitario Fundación de Alcorcón (HUFA) utilizando técnicas de procesamiento de lenguaje natural y métodos de deep learning. HUFA fue uno de los primeros hospitales de la Comunidad de Madrid en disponer de HCE, desde su apertura a finales de 1997. En la actualidad la Comunidad de Madrid tiene integradas más 5 millones de HCE de las que sólo se procesan los metadatos estructurados.