Jan, 2022

NeuraHealth：使用深度学习和自然语言处理在电子健康记录中自动筛查未被诊断的认知损伤的管道

PDF
TL;DR通过使用电子病历和深度学习技术提供早期诊断，本研究为发现未被诊断的病例提供了自动化的筛查方式，同时解决了目前诊断方式中的缺乏有效工具的问题。
dementiacognitive impairmentelectronic health recordsdeep learningearly diagnosis
发现论文，激发创造
  • 如何寻找神奇的特征：基于子序列分类指导的认知功能障碍检测

    通过序列机器学习模型和领域知识来预测哪些特征有助于提高性能，为 cognitive impairment detection 等需要解释性的领域的分类提供了示例。

    Oct, 2020

  • 电子病历中的非结构化数据神经自然语言处理：综述

    本文综述了当前神经自然语言处理方法在电子病历应用中的广泛运用，包括分类和预测，词嵌入，提取，生成以及其他诸如问答、表型、知识图谱、医学对话、多语言性和可解释性等领域。

    Jul, 2021

  • 使用电子医疗记录的患者诊断预测深度学习管道

    机器学习在疾病诊断和决策方面的应用正变得越来越流行。本文开发了一种 Python 包，将公共卫生数据集转换为易于访问的通用格式，以便于构建有用的疾病诊断预测系统，并提出了两种新的模型架构进行疾病诊断多类别预测，一种使用结构化数字数据，另一种结合自然语言处理方法和可解释的可视化。这些模型都能够高准确度地预测多种诊断。

    Jun, 2020

  • 面向老龄社会的 AI 神经技术 —— 使用信息几何机器学习方法开发任务负荷和痴呆症 EEG 数字生物标志物

    该论文讨论了利用脑波技术开发数字生物标识符以监测痴呆症，提出了一种基于信息几何的分类方法以自动辨别脑电图诱发反应，通过机器学习技术进行轻度认知障碍和阿尔茨海默病的诊断。

    Nov, 2018

  • 利用具备自然语言处理能力的娱乐聊天机器人进行老年人认知障碍的自动检测

    提出了一种智能对话系统，用于娱乐老年人并通过聊天对话阶段评估认知能力，并通过机器学习算法检测认知障碍，从而实现自动化的认知障碍检测方法。

    May, 2024

  • 智能教育系统的神经认知诊断

    本文提出了 Neural Cognitive Diagnosis (NeuralCD) 框架，用于智能教育中的认知诊断，分别使用传统的 Q - 矩阵和改进的文本内容来探索每个练习的概念，并包含神经网络以学习复杂的练习交互作用，从而获得准确和可解释的诊断结果。

    Aug, 2019

  • 基于语言的轻度认知障碍检测使用信息损失

    该研究使用深度学习和自然语言处理技术，提出了一个框架，通过分析来自 I-CONECT 研究项目的视频访谈生成的文本，区分老年人的轻度认知障碍和正常认知状态。提出的 NLP 框架由两个基于 Transformer 的模块组成，分别为句子嵌入和句子交叉注意力。通过该框架，可以以平均曲线下面积为 84.75% 的准确率区分 MCI 和 NC。

    Jan, 2024

  • 电子病历中的自然语言处理与医疗决策：一项系统性综述

    本研究阐述了自然语言处理技术在电子病历上的应用存在的挑战和限制，以及研究人员使用机器学习、深度学习等技术进行处理和信息提取的相关领域和方法。

    Jun, 2023

  • 临床 MRI 扫描的多模态融合自动检测阿尔茨海默病

    研究老龄化人口与阿尔茨海默病的关系，通过深度学习和多模态信息，基于大脑 MRI 扫描预测疾病阶段，早期检测和治疗。

    Nov, 2023

  • 早期发现痴呆症的游戏化人工智能方法

    通过整合基于卷积神经网络的健康指标数据和面部图像数据的认知评估游戏应用程序，本研究旨在开发一种新的深度学习启发的游戏方法，以早期检测痴呆症。通过我们的工作，我们的提出的 MOD-1D-CNN 模型可以使用真实生活的健康指标数据识别 70.50％的痴呆特征，而提出的 MOD-2D-CNN 模型则可以使用真实生活的面部图像数据识别 95.72％的痴呆状态。因此，我们应用一种基于规则的加权方法来结合这两种方法以达到最终决策。

    May, 2024