Jun, 2020

利用人工智能增加计划参与度以改善母婴健康成果：未接来电、自动来电和健康支持

PDF
TL;DR本研究使用深度学习模型从 ARMMAN 基于电话的信息项目中预测短期和长期的产妇退出率，以解决印度母亲死亡率过高的问题。模型表现比竞争基线模型分别提高了 13％和 7％。此方法在现实应用中有潜力进行有针对性的干预措施。
maternal mortalitypreventive care informationcall-based information programsdeep learningdropout risk
发现论文，激发创造
  • 应用机器学习和人工智能协作缩小高风险妊娠护理差距

    本文提出了一个高风险妊娠程序，通过算法识别高风险成员，并完成了孕期识别与并发症预测模型，演示了预测与临床信息相结合的工具在提升护士决策过程中的实用性的可能。

    May, 2023

  • 部署不安静多臂赌博机的现场研究：帮助非营利组织改善母婴健康

    本文介绍了一种利用 Restless Multi-Armed Bandits (RMABs) 系统辅助非营利组织提供预防保健信息的方法，其中 RMABs 群组最终降低了约 30％的参与度下降。

    Sep, 2021

  • 大规模移动健康计划中低听众趋势的分析与预测：初步调查

    通过对受众互动轨迹的初步分析，我们研究了移动健康项目中可以提高效率的因素，并且根据听众群体的听众情况进行聚类分析，展示了使用历史数据进行时间序列预测以识别受益人退出并帮助非政府组织及时干预以加强受益人保留的初步结果。

    Nov, 2023

  • ADVISER: 基于人工智能的疫苗接种干预优化器，旨在提高尼日利亚的疫苗接种率

    我们与尼日利亚的 HelpMum 合作，研发和优化各种卫生干预措施的分配，以增加疫苗接种率，并将其用于一个基于整数线性规划的框架 ADVISER 中，它旨在最大化成功接种的累积概率。我们提出的启发式方法在实验评估中优于基准方法，为 Nigeria 提高健康状况的数据驱动计划开辟了道路。

    Apr, 2022

  • 非马尔可夫世界中的有限资源分配：以母婴保健为例

    提出了一种基于时间序列的多臂老虎机架构 (RMAB) 方法，用于调度低资源环境下的干预措施，以提高参与者的坚持和参与度，并在现实数据的实验中进行了验证。

    May, 2023

  • 低资源环境中的胎儿超声 AI 系统

    本论文研究了怀孕期间母婴保健的重要性，探讨了人工智能辅助超声波技术诊断胎儿发育状况的可行性，特别是针对在低资源环境下不熟练的超声设备操作人员的辅助作用，模型可以用于预测孕周和胎儿位置，提高了胎儿保健水平。

    Mar, 2022

  • 利用集群分析估计具有相似孕产妇死亡率的国家，并与具有相同 MMR 的国家配对

    研究着眼于孕妇死亡率，医院设施影响产妇健康，通过机器学习聚类分析，寻找孕妇死亡率较高和较低国家。

    Dec, 2023

  • 利用音频数据在初级保健中促进抑郁风险评估

    通过使用音频数据预测抑郁风险，本研究旨在降低首要卫生保健中的抑郁症误诊并改善整体诊断和治疗结果。

    Oct, 2023

  • 在尼日利亚使用人工智能提高儿童疫苗接种率：部署 ADVISER 的影响和经验教训

    在尼日利亚部署 ADVISER 框架以优化卫生干预方法，通过首次成功使用 AI 技术的工具链来最大程度地提高成功接种的累积概率，向尼日利亚奥约州的超过 13,000 个家庭提供服务。

    Dec, 2023

  • 基于通话详单的移动蜂窝网络异常检测与流量预测

    利用大数据分析和机器学习技术，研究移动网络中成千上万的呼叫详单数据来检测网络中的异常活动，通过使用神经网络模型来训练无异常的数据，使用 ARIMA 模型来预测未来交通，因此提高了模型的预测精度。

    Jul, 2018