Jan, 2022

应用神经网络机器学习算法提高医疗数据性能评价指标

PDF
TL;DR这篇论文利用机器学习分析健康数据传输的准确度和效率来克服传输数据量和设备电池寿命的折中问题，结果表明 Levenbery-Marquardt 算法是最佳表现者之一，其精度为 79.17％，效率为 3.33，证明了机器学习可以在高效率的基础上，不牺牲精度而提高健康数据传输的效率。
wearable deviceshealth datamachine learningdata transmissionefficiency
发现论文，激发创造
  • 使用机器学习预测运动员健身情况的移动健康数据

    本研究对 Mhealth 数据进行了分析，并使用了几种机器学习算法来预测人类的运动行为和健康状态，最终结果表明 XGBoost 相对其他算法表现更好。这项研究对于使用 Mhealth 预测一个人对特定运动比赛是否适合有着很大的前景和潜力。

    Apr, 2023

  • 机器学习在临床疾病诊断中的重要性：综述

    通过分析当前文献，本研究提供了关于机器学习在疾病诊断方面的最新方法和性能指标的深入了解。

    Oct, 2023

  • 临床时间序列数据的多任务学习和基准测试

    该研究提出了利用来自公开可用的激痛医学信息库（MIMIC-III）数据集的四个临床预测基准，旨在解决机器学习在医疗保健研究中缺乏公开可用基准数据集的问题。

    Mar, 2017

  • 释放遥测潜力：用于连续临床心电图监测的自监督学习

    将深度学习应用于大量未标记的心电图遥测数据，对 ICU 中的患者监测进行持续注释，从而提供独特的洞察力，改进护理质量。

    Jun, 2024

  • ML Health: 为生产模型提供的健身追踪

    ML Health 为监测机器学习模型预测性能潜在下降提出了一种诊断方法，并将该方法应用于一种实现了全生产生命周期的系统中，来自动化追踪并生成进一步调查的警报。

    Feb, 2019

  • 使用深度神经网络提高发电效率

    本文研究如何更好地利用消费者的电表读数来估算负载情况以实现电力网络规划优化，并使用深度神经网络方法与传统方法进行比较，结果表明深度神经网络方法优于传统方法，该方法可用于提高动态定价的支持。

    Jun, 2016

  • 神经网络集成方法的比较

    提出一种多方计算协议，旨在处理在具有实际数据时出现的不一致性，同时保护医疗数据的隐私和安全，其中采用了神经网络的三种方法进行了分析和比较。

    Mar, 2023

  • 利用卷积神经网络和集成学习从可穿戴设备预测睡眠质量

    本文介绍了利用可穿戴设备识别睡眠阶段的方法，并使用 NetHealth 数据集和深度学习算法 Convolutional Neural Networks 和传统的 Random Forest 进行了比较。

    Mar, 2023

  • 低功耗可穿戴平台上基于卷积 - 循环神经网络的心律失常检测

    本研究旨在优化低功耗传感技术在医疗保健中的应用，通过使用机器学习和神经网络的方法对生理信号进行监测和识别，提高传感设备的临床价值，并在使用嵌入式处理器 nRF52 时实现低功耗高精度计算。

    Jan, 2020

  • 连续监测中使用可穿戴设备评估机器学习模型的再考虑

    利用可穿戴设备进行连续健康监测的机器学习模型评估面临的挑战以及从大规模心脏研究中提供的全面指南。

    Dec, 2023