@inproceedings{boulanger-etal-2024-generation,
title = "G{\'e}n{\'e}ration contr{\^o}l{\'e}e de cas cliniques en fran{\c{c}}ais {\`a} partir de donn{\'e}es m{\'e}dicales structur{\'e}es",
author = {Boulanger, Hugo and
Hiebel, Nicolas and
Ferret, Olivier and
Fort, Kar{\"e}n and
N{\'e}v{\'e}ol, Aur{\'e}lie},
editor = "Balaguer, Mathieu and
Bendahman, Nihed and
Ho-dac, Lydia-Mai and
Mauclair, Julie and
G Moreno, Jose and
Pinquier, Julien",
booktitle = "Actes de la 31{\`e}me Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles, volume 1 : articles longs et prises de position",
month = "7",
year = "2024",
address = "Toulouse, France",
publisher = "ATALA and AFPC",
url = "https://aclanthology.org/2024.jeptalnrecital-taln.31",
pages = "435--448",
abstract = "La g{\'e}n{\'e}ration de texte ouvre des perspectives pour pallier l{'}absence de corpus librement partageables dans des domaines contraints par la confidentialit{\'e}, comme le domaine m{\'e}dical. Dans cette {\'e}tude, nous comparons les performances de mod{\`e}les encodeurs-d{\'e}codeurs et d{\'e}codeurs seuls pour la g{\'e}n{\'e}ration conditionn{\'e}e de cas cliniques en fran{\c{c}}ais. Nous affinons plusieurs mod{\`e}les pr{\'e}-entra{\^\i}n{\'e}s pour chaque architecture sur des cas cliniques en fran{\c{c}}ais conditionn{\'e}s par les informations d{\'e}mographiques des patient{\mbox{$\cdot$}}es (sexe et {\^a}ge) et des {\'e}l{\'e}ments cliniques.Nous observons que les mod{\`e}les encodeur-d{\'e}codeurs sont plus facilement contr{\^o}lables que les mod{\`e}les d{\'e}codeurs seuls, mais plus co{\^u}teux {\`a} entra{\^\i}ner.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="boulanger-etal-2024-generation">
<titleInfo>
<title>Génération contrôlée de cas cliniques en français à partir de données médicales structurées</title>
</titleInfo>
<name type="personal">
<namePart type="given">Hugo</namePart>
<namePart type="family">Boulanger</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Nicolas</namePart>
<namePart type="family">Hiebel</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Olivier</namePart>
<namePart type="family">Ferret</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Karën</namePart>
<namePart type="family">Fort</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Aurélie</namePart>
<namePart type="family">Névéol</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2024-07</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 31ème Conférence sur le Traitement Automatique des Langues Naturelles, volume 1 : articles longs et prises de position</title>
</titleInfo>
<name type="personal">
<namePart type="given">Mathieu</namePart>
<namePart type="family">Balaguer</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Nihed</namePart>
<namePart type="family">Bendahman</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Lydia-Mai</namePart>
<namePart type="family">Ho-dac</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Julie</namePart>
<namePart type="family">Mauclair</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Jose</namePart>
<namePart type="family">G Moreno</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Julien</namePart>
<namePart type="family">Pinquier</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA and AFPC</publisher>
<place>
<placeTerm type="text">Toulouse, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<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.</abstract>
<identifier type="citekey">boulanger-etal-2024-generation</identifier>
<location>
<url>https://aclanthology.org/2024.jeptalnrecital-taln.31</url>
</location>
<part>
<date>2024-7</date>
<extent unit="page">
<start>435</start>
<end>448</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Génération contrôlée de cas cliniques en français à partir de données médicales structurées
%A Boulanger, Hugo
%A Hiebel, Nicolas
%A Ferret, Olivier
%A Fort, Karën
%A Névéol, Aurélie
%Y Balaguer, Mathieu
%Y Bendahman, Nihed
%Y Ho-dac, Lydia-Mai
%Y Mauclair, Julie
%Y G Moreno, Jose
%Y Pinquier, Julien
%S Actes de la 31ème Conférence sur le Traitement Automatique des Langues Naturelles, volume 1 : articles longs et prises de position
%D 2024
%8 July
%I ATALA and AFPC
%C Toulouse, France
%G French
%F boulanger-etal-2024-generation
%X 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.
%U https://aclanthology.org/2024.jeptalnrecital-taln.31
%P 435-448
Markdown (Informal)
[Génération contrôlée de cas cliniques en français à partir de données médicales structurées](https://aclanthology.org/2024.jeptalnrecital-taln.31) (Boulanger et al., JEP/TALN/RECITAL 2024)
ACL