Feb, 2020

医疗保健中的贝叶斯网络：按疾病分布

PDF
TL;DR研究发现，近三分之二的医疗保健贝叶斯网络都集中在四种疾病：心脏疾病、癌症、心理障碍和肺部疾病上。该研究呼吁加强对 BN 的理解和推广，以发挥其在日常医疗实践中带来积极影响的全部潜力。
bayesian networksmedical conditionshealthcarecardiac disorderscancer
发现论文，激发创造
  • 使用贝叶斯网络对表格数据和文本进行临床推理

    本文比较和讨论了增强贝叶斯网络与神经文本表示的策略，既在生成性方式又在判别性方式上，在临床推理和模拟结果等方面进行了讨论和实证。

    Mar, 2024

  • 医疗决策中因果干预的贝叶斯网络模型：文献综述与软件评估

    本文归纳了系统文献搜索的结果，确定了 Bayesian 网络模型在支持医疗决策方面的应用。通过筛选多篇研究论文，并对公共数据集进行了分析，使用了 Wang B，Lyle C，Kwiatkowska M（2021）开发的因果干预分析软件工具以及实验评估其应用效果。

    Nov, 2022

  • 双向推理网络：一类用于健康画像的深度贝叶斯网络

    提出了一种称为双向推理网络（BIN）的方法，它可以将多个概率神经网络缝合在一起，以建模变量之间的条件依赖关系，并通过迭代更新变量来进行预测。同时，将 BIN 扩展到了复合 BIN（CBIN），通过自适应平滑优化器的方法，在训练阶段的迭代预测过程中提高了精度和计算效率，并在人工合成数据集和真实数据集上展示了 CBIN 单个模型可以实现最先进的性能，而且在大多数推理任务中比为不同任务专门训练的多个模型获得更高的准确性。

    Feb, 2019

  • 利用动态贝叶斯网络和神经网络对新冠病毒患者的病情严重程度进行分类

    本文使用动态贝叶斯网络和神经网络结合的方法，预测患者 40 小时内的生命体征和血液分析结果，并分类评估其疾病严重程度，以便将更有限的资源分配给需要重症监护的患者。

    Mar, 2023

  • 多项式信念网络

    基于贝叶斯方法的深度生成模型用于处理不确定性、稀疏数据和健康数据分析，通过数据驱动方式提取具有生物学意义的元签名。

    Nov, 2023

  • COVID-19 严重性解释和人口特征症状分类的贝叶斯网络和机器学习

    利用三阶段数据驱动方法，通过 COVID-19 症状和其内在人口变量的因果关系、相似性聚类和人口症状识别模型，揭示了病毒症状之间的关系，并为减轻病毒严重程度提供了见解。

    Jun, 2024

  • 基于贝叶斯网络和深度学习的癌症影像诊断改进：一种贝叶斯深度学习方法

    利用人工智能和机器学习的理论和算法，本研究探讨深度学习和贝叶斯网络预测模型在癌症诊断中的应用，构建了一种结合两者优势并最小化弱点的贝叶斯深度学习模型，并分析了该方法在医疗领域图像分类中的应用和准确性。

    Mar, 2024

  • 基于观察型医疗数据的可迁移因果网络模型

    基于人工智能技术的预测模型在医疗保健领域得到广泛应用。本文提出了一种新方法，将选择图、缺失图、因果发现和先前知识结合成一个图形模型，用于评估乳腺癌幸存者的青少年女性的心血管风险。该模型通过专家临床医生的验证，在风险评估、准确性和可解释性方面胜过竞争的机器学习方法。

    Nov, 2023

  • 基于图的医学诊断与分析的深度学习：过去、现在和未来

    本文系统地概述了图神经网络在医疗保健领域中的应用，包括功能连接、解剖结构和基于电信号的分析，并讨论现有技术的局限性和未来研究的方向。

    May, 2021

  • 电子健康记录中的不确定性建模：一种贝叶斯深度学习方法

    基于贝叶斯神经网络的深度学习模型用于预测由于数据噪音引起的不确定性。高度不确定的实例对模型性能有害。通过研究模型预测和不确定性的分布，可以识别一组病人以进行及时干预。

    Jul, 2019