Apr, 2020

基于分层强化学习的自动疾病诊断任务导向对话系统

PDF
TL;DR本文提出在任务对话环境中利用强化学习方法进行自动疾病诊断，设计并实现了一个层次化框架，在无法避免的繁琐的疾病症状检查中展现了更高的精确度。
disease diagnosisreinforcement learningdialogue policy learninghierarchical frameworksymptom checkers
发现论文，激发创造
  • 通过强化学习和分类自适应对准实现高效的症状询问和诊断

    通过采用强化学习和分类技术，设立自适应机制，使用分布熵对齐，创建新的患者模拟数据集，有效提高医疗诊断准确率。

    Dec, 2021

  • 使用深度强化学习从电子健康记录中提取诊断路径

    使用强化学习算法，通过电子病历来训练 Dueling DQN 算法和 Dueling Double DQN 算法，以优化临床诊断过程并对贫血及其亚型进行不同诊断。

    May, 2023

  • 深度强化学习用于成本效益医学诊断

    本文介绍了一种利用增强学习和奖励设计方法优化实验测试序列，以最大化 F1 得分和降低成本的动态诊断策略。作者使用基于半模型深度诊断策略优化 (SM-DDPO) 的方法处理多种临床任务的数据，实现了高准确性和高成本效益

    Feb, 2023

  • 使用电子健康记录的个性化诊断决策路径的深度强化学习：贫血和系统性红斑狼疮的比较研究

    DRL 通过学习个性化决策路径向诊断领域提供机会，可以生成自说明的逐步决策路径，并且在与最先进方法的比较中具有竞争性的正确性。

    Apr, 2024

  • 自动诊断的端到端知识路由关系对话系统

    该研究提出一种基于知识图谱的对话系统，用于自动医疗诊断，将丰富的医学知识图谱和自然语言理解相融合，在对话管理中实现主题转换，有效提高了对话系统的准确性。

    Jan, 2019

  • 外部规划控制的大型语言模型对话式疾病诊断

    通过利用大型语言模型来开发一个医学任务导向的对话系统，该系统模拟人类医生与患者对话以推断诊断结果，研究使用外部规划器和大型语言模型改进了先前人工智能系统在信息收集和自然语言理解等方面的局限性。通过模拟医生的疾病筛查和鉴别诊断的两阶段决策过程，我们设计了两个不同的规划器，以有效地引导医疗对话。采用强化学习和大型语言模型进行主动学习，我们训练了这些规划器，并在 MIMIC-IV 数据集上对系统进行评估，结果表明该系统能够胜过现有模型，这是实现自动对话式疾病诊断并提高医学诊断的精确性和可访问性的重要一步。

    Apr, 2024

  • 用于开放领域对话的分层强化学习

    本文提出使用分层强化学习（VHRL）框架对基于变分序列模型的话语级嵌入进行策略梯度调整的新方法，以优化开放域对话生成。使用自我对弈和强化学习优化人类中心的会话指标，与包括变形金刚在内的最先进的对话模型相比，证明我们的方法在人类评估和自动指标方面提供显着的改进。

    Sep, 2019

  • 层次深度强化学习下的复合任务完成对话策略学习

    本文针对复杂任务对话代理的构建问题，如旅行规划，通过将任务公式化为基于马尔可夫决策过程的选项数学框架，并提出一种层次深度强化学习方法来学习不同时间尺度上运行的对话管理器，包括顶层对话策略、低层对话策略和全局状态跟踪器，实验结果表明该方法在模拟和真实用户的旅行规划任务中，相比于三个基于手工规则和基于平面深度强化学习的基准系统，有显著的改进。

    Apr, 2017

  • 基于分层强化学习的对话管理子域建模

    本文提出在多领域对话管理中使用分层强化学习和选项框架的方法，并且与现有平面方法相比学习速度更快且得到更好的结果，同时展示预训练策略如何适应更复杂的对话系统并为更复杂的多领域对话系统提供政策优化的可能性。

    Jun, 2017

  • 基于循环神经网络的监督增强学习在动态治疗推荐中的应用

    本文提出一种基于监督强化学习和循环神经网络的动态治疗建议系统，用于处理医疗记录中的复杂关系和部分观测问题，实验结果表明该系统能够有效减少患者死亡率和提高医疗建议的准确性。

    Jul, 2018