Dec, 2019

临床 XLNet：建模序列化临床笔记并预测延长机械通气

PDF
TL;DR通过开发新的文本表征 Clinical XLNet 利用临床笔记序列的时间信息，我们对长期机械通风预测问题进行了研究及实验，并证明 Clinical XLNet 在表现上始终优于最佳基线。
发现论文，激发创造
  • 使用临床记录和时间序列数据进行重症监护室管理

    通过将临床记录作为另一种数据形式添加到机器学习模型中，可以在 ICU 管理的几项基准任务中实现显著的改进，包括住院死亡率预测、恶化建模和住院时间预测。

    Sep, 2019

  • ClinicalBERT：医疗记录建模和医院复诊预测

    本文使用双向转换器（ClinicalBERT）开发和评估了临床笔记的表示方法，该方法发现了医学概念之间的高质量关系，并在 30 天医院再入院预测方面优于基线，使用的数据为出院小结和重症监护室的前几天的笔记。

    Apr, 2019

  • 利用聚合的大型语言模型集合保留长期临床文本的知识

    利用聚合集成的大型语言模型的新方法，能够保留长篇临床文本的知识，改善大型语言模型在处理长篇输入和多样化数据集时的性能，并在预测临床结果方面取得了比基线、集成和聚合方法更好的结果。

    Nov, 2023

  • 利用有限的上下文长度发挥最大的预测能力：预测能力因临床记录类型和记录部分而异

    本论文通过研究 MIMIC-III 数据集中的病历笔记，提出了一个基于自然语言处理模型的框架，通过挑选预测能力高的笔记部分来实现有效的信息提取，并在不同类型的笔记结合时提高了模型的性能。

    Jul, 2023

  • 为临床 ICD 编码建模时间文档序列

    本研究提出一种基于层次变压器架构的 ICD 编码方法，使用病人整个住院期间的所有临床笔记进行编码，并结合文本元数据嵌入，如位置，时间和笔记类型等，在使用 MIMIC-III 数据集进行测试时，模型在仅使用出院摘要作为输入时超越了以前的最佳表现，并在使用所有临床笔记作为输入时实现了进一步的表现提升。

    Feb, 2023

  • 利用语言模型预训练改进临床病历的层级病人分类

    提出了一种预先训练的层级循环神经网络模型，通过解析最小处理的临床记录，比传统方法更好地处理了医疗信息技术中的出院诊断分类任务，并应用归因技术来确定模型用于进行预测的单词以及其重要性。

    Sep, 2019

  • 深度网络在临床干预预测和理解中的应用

    本文旨在利用所有可用的 ICU 数据（生命体征、实验室数据、病历及患者基本信息）并关注学习数据的丰富表示，通过使用递归神经网络 LSTM 和卷积神经网络 CNN 分别预测侵入性干预的发生和停止。该预测支持 “实时” 表现，并在六小时内进行以支持临床可操作的规划，同时通过特征遮盖等方法提高模型的解释性，最终超过对照组并提供模型学习洞见。

    May, 2017

  • 探索长程临床笔记语言建模的最佳间隔

    本研究探讨了利用 Longformer 进行长文本的适应性训练从而更好地处理医学领域中的电子病历，实现了 10% 的 F1 值提升。研究表明提高模型对较长临床笔记的处理能力有助于提升其性能，但为达到不同的目标变量的最佳性能，需要不同的截断间隔。

    Oct, 2022

  • 临床笔记的有效表述

    本研究探讨了使用神经网络和迁移学习来学习临床笔记表示以预测临床事件的有效性，并表明了这种方法对于小型数据集表现良好。

    May, 2017

  • 使用长短期记忆网络预测 ICU 病死率

    实验结果突出了 LSTM 模型对建立真实世界预测引擎的高效性，通过利用严格的多变量时间序列测量将时间框架缩小到 6 小时，这个自动数据驱动系统可以分析从电子健康记录中得出的大量多变量时间数据，提取高级信息以早期预测住院死亡率和住院时间。

    Aug, 2023