Assas Recherche | Enrichissement et alignement sémantique d'?nt?l?gies bi?médicales par m?dèles de langue

Enrichissement et alignement sémantique d'?nt?l?gies bi?médicales par m?dèles de langue (Document en Français)

Accès au(x) document(s)

Accéder au(x) document(s) :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse consultable sur internet, en texte intégral.

Informations sur les contributeurs

Auteur : Menad Safaa

Menad, Safaa

Nom

Menad

Prénom

Safaa

Nationalité

Français

Date de soutenance : 06-12-2024

Directeur(s) de thèse : Soualmia Lina Fatima

Soualmia, Lina Fatima

Nom

Soualmia

Prénom

Lina Fatima

Etablissement de soutenance : Normandie

Normandie

Nom

Normandie

Laboratoire : Laboratoire d'informatique, de traitement de l'information et des systèmes (Saint-Etienne du Rouvray, Seine-Maritime ; 2006-...)

Laboratoire d'informatique, de traitement de l'information et des systèmes (Saint-Etienne du Rouvray, Seine-Maritime ; 2006-...)

Nom

Laboratoire d'informatique, de traitement de l'information et des systèmes (Saint-Etienne du Rouvray, Seine-Maritime ; 2006-...)

Ecole doctorale : École doctorale mathématiques, information et ingénierie des systèmes (Caen)

École doctorale mathématiques, information et ingénierie des systèmes (Caen)

Nom

École doctorale mathématiques, information et ingénierie des systèmes (Caen)

Informations générales

Discipline : Informatique
Classification : Informatique

Mots-clés libres : Ontologies biomédicales, Fusion d'ontologies, Alignement d'ontologies, Umls, Modèles de langue de grande taille, Modèles neuronaux siamois, Enrichissement d'ontologies, Modèles de langues, Traitement automatique du langage naturel, Domaine biomédical, Intelligence artificielle
Mots-clés :

Ontologies (informatique)
Réseaux neuronaux (informatique)
Intelligence artificielle
Langage médical
Médecine - Terminologie
Représentation des connaissances
Génie biomédical
Traitement automatique du langage naturel

Résumé : La première partie de cette thèse traite de la conception de modèles neuronaux siamois entraînés pour la similarité sémantique entre textes biomédicaux et de leur application à des tâches de TAL sur des documents biomédicaux. L’entraînement de ces modèles a été réalisé en plongeant les titres et résumés du corpus PubMed avec le thésaurus MeSH dans un même espace de représentation. Dans la seconde partie nous utilisons ces modèles pour aligner et enrichir les terminologies de l’UMLS (Unified Medical Language System) et automatiser l’intégration de nouvelles relations entre concepts similaires provenant notamment de maladies (DOID), de médicaments (DRON) et de symptômes. Ces relations enrichies permettent d’améliorer l’exploitation de ces ontologies, facilitant ainsi leur utilisation dans diverses applications cliniques et scientifiques. Nous proposons de plus des approches de validation à l’aide des ressources telles que les LLMs, l’OpenFDA, le Métathésaurus et le réseau sémantique de l’UMLS que nous complétons par la validation manuelle d’experts du domaine.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2024NORMR104
Type de ressource : Thèse

Fiche descriptive