एक न्यूरल मल्टी-टास्क लर्निंग ढांचा चिकित्सा नामित इकाई पहचान और मानकीकरण को एक साथ मॉडल करने के लिए

अत्याधुनिक अध्ययनों ने चिकित्सा नामित इकाई पहचान और मानकीकरण के लिए संयुक्त मॉडलिंग के फायदे को पाइपलाइन कार्यान्वयन पर दर्शाया है, क्योंकि इन दोनों प्रक्रियाओं के बीच आपसी लाभ होते हैं। इन लाभों का अधिक उन्नत तरीके से लाभ उठाने के लिए, हम स्पष्ट फीडबैक रणनीतियों के साथ एक नई गहरी न्यूरल मल्टी-टास्क लर्निंग ढांचा प्रस्तावित करते हैं, ताकि पहचान और मानकीकरण को एक साथ मॉडल किया जा सके। एक ओर, हमारी विधि मल्टी-टास्क लर्निंग द्वारा प्रदान की गई दोनों कार्यों के सामान्य प्रतिनिधित्व से लाभान्वित होती है। दूसरी ओर, हमारी विधि पदानुक्रमिक कार्यों को समानांतर मल्टी-टास्क सेटिंग में सफलतापूर्वक परिवर्तित करती है जबकि कार्यों के बीच आपसी समर्थन को बनाए रखती है। ये दोनों पहलू मॉडल प्रदर्शन में सुधार करते हैं। प्रयोगात्मक परिणामों से यह साबित होता है कि हमारी विधि सार्वजनिक रूप से उपलब्ध दो चिकित्सा साहित्य डेटासेट्स पर आधुनिकतम दृष्टिकोणों की तुलना में महत्वपूर्ण रूप से बेहतर प्रदर्शन करती है।