Zur Startseite Zur Hauptnavigation Zum Inhalt Zur Suche Zur Sitemap
+A-
ENDE
  Menü
GB Informationstechnologie
  Menü
  • Startseite GB IT
  • Wir über uns
  • Datenintegrationszentrum
    • Fokus und Aufgaben
    • Services
    • Standardisierung und Interoperabilität
    • Kontakt und Anträge
    • Projektübersicht
      • ASIC
      • HELP
      • STAKI2B2
      • EMerGE-NeT
      • MII-Demonstratorstudie
      • INDEED
      • POLAR
      • NUM-Dashboard
      • NT-proBNP
      • WE-STORM
      • RISK PRINCIPE
      • INTERPOLAR
      • PEDREF 2.0 – Rollout/DE
      • NutriScoPe
      • LABKI2B2
    • Ergebnisse und Weiterführendes
  • IT-Services für
  • Karrierechancen
  • Hauptmenü
    • Patienten & Angehörige
    • Forschung
    • Lehre & Studium
    • Ärzte & Zuweiser
    • Kliniken & Institute
    • Uniklinikum Jena
    • Beruf & Karriere
  • Startseite GB IT
  • Wir über uns
  • Datenintegrationszentrum
    • Fokus und Aufgaben
    • Services
    • Standardisierung und Interoperabilität
    • Kontakt und Anträge
    • Projektübersicht
      • ASIC
      • HELP
      • STAKI2B2
      • EMerGE-NeT
      • MII-Demonstratorstudie
      • INDEED
      • POLAR
      • NUM-Dashboard
      • NT-proBNP
      • WE-STORM
      • RISK PRINCIPE
      • INTERPOLAR
      • PEDREF 2.0 – Rollout/DE
      • NutriScoPe
      • LABKI2B2
    • Ergebnisse und Weiterführendes
  • IT-Services für
  • Karrierechancen
Geschäftsbereich Informationstechnologie / Datenintegrationszentrum / Projektübersicht / STAKI2B2

STAKI2B2

Projektname: Semantische Textanalyse zur qualitätskontrollierten Extraktion klinischer Phänotyp-Information im Healthcare-Integrated Biobanking

Projektkategorie: lokales Forschungsprojekt

Verantwortliche:

  • PD Dr. Dr. Michael Kiehntopf (Universitätsklinikum Jena)

Laufzeit und Status: 1.1.2016 – 31.7.2021, Datennutzung abgeschlossen

Bereitgestellte Datenarten: u.a. freitextliche Dokumentationen z.B. aus Arztbriefen

Zusammenfassung:
Im STAKI2B2-Projekt sollen zur verbesserten Anwendung neuer Marker aus Biomaterialien in klinischen Abläufen valide Phänotypdaten und weitere relevante Vergleichsinformationen mit Verfahren der automatischen Sprachverarbeitung aus klinischen Dokumenten maschinell extrahiert werden. Hierzu wird eine Textanalytik-Pipeline aufgebaut, die mit Verfahren des semi-überwachten Maschinellen Lernens relevante medizinische Entitäten und Beziehungen zwischen diesen Entitäten aus klinischen Dokumenten automatisch bestimmt.

Finanzierung: Deutsche Forschungsgemeinschaft (DFG), Projektnummer 315098900

Link: Beschreibung des Förderprojekts auf der Website der DFG

Startseite GB IT Karrierechancen
Wir über uns Sitemap
Datenintegrationszentrum
IT-Services für
Impressum
Datenschutz