Mar, 2022

广泛适用的优化日内手术排班算法的设计与实现

HTML
PDF
TL;DR利用选择性手术的better elective day of surgery (BEDS)算法，通过在医院技术架构的限制下实现联合式手术，不需要限制麻醉师的工作流程即可使算法实现，并且可以适应医院容量或患者量的变化。
发现论文，激发创造
  • RSDNet: 从腹腔镜视频中学习预测手术剩余时间而不需要手动标注

    本文提出名为RSDNet的深度学习管道，通过仅使用腹腔镜视频的视觉信息自动预测术中剩余手术时间(RSD)，无需手动标注，可适用于多种手术类型，实验结果表明相比不使用手动标注的传统方法，该网络显著提高了RSD预测的准确性，并可通过可视化和解释自动学习的特征提供更深入的洞察。

    Feb, 2018

  • 通过ASP进行手术室床位管理的(重新)调度

    本文介绍了一种基于Answer Set Programming(ASP)的解决方案，用于解决手术室调度问题，结果表明ASP是适用于此类问题的解决方法，还在15天的计划范围内进行了可扩展性分析，并提供了解决方案的ASP网页管理框架，供用户实时图形化显示结果。

    May, 2021

  • 蒙特卡罗树搜索在医学住院匹配中的自适应容量扩展

    探究两个医院之间如何更好地分配实习医生的问题，并提出了一种基于上限置信树和延迟批准方法的容量扩张算法，该算法能够通过较小的计算预算来获得几乎最优的解决方案。

    Feb, 2022

  • 预测调度

    探讨利用机器学习算法进行医学影像诊断的问题，并提出在线调度问题的解决方案，通过分析来自不同紧迫性病人的数据，制定出优先顺序以提高病人救治效率。

    Dec, 2022

  • 大型医院网络患者预后预测改善运营

    本研究使用机器学习算法基于患者数据预测患者短期和长期预后，以及病人的出院去向等重要临床结果，帮助医疗团队提升决策质量并实现有效的医院管理。实施该工具后平均每位患者住院时间减少了0.67天，每年可为医疗系统创造高达5500万至7200万美元的经济效益。

    May, 2023

  • 医院综合规划：综述

    文章介绍了针对医院资源综合规划的运筹学及管理科学文献综述，分析不同方面的研究，提出分类和未来研究方向。

    Jul, 2023

  • 多标准优化技术用于理解医院病例组合格局

    医院的病例组合对容量利用至关重要，本研究提出了一种改进的多准则优化方法，生成了一个非支配病例组合的存档，并使用KD树进行高维帕累托边界的测试和存储，同时开发了一个适用的决策支持工具来生成、查看、导航和查询该存档。

    Jul, 2023

  • 评估MIMIC-IV数据集和基准算法的公平性：应用于ICU住院时间预测

    使用MIMIC-IV数据集研究XGBoost二元分类模型在预测ICU住院时间方面的公平性和偏见，并强调该研究对ICU有限资源分配的重要性，通过在人口属性上检测数据集的类别不平衡，并采用数据预处理和特征提取，发现XGBoost模型整体表现良好，但是在种族和保险属性上出现不平等，提出了关于缓解偏见的关注公平机器学习技术的建议，并强调医疗保健专业人员和数据科学家之间的合作努力的必要性。

    Dec, 2023

  • 机器学习与约束编程在高效医疗排班中的应用

    本研究解决护士排班问题（NSP），针对传统方法在优化时间和解决方案质量之间的权衡，提出了隐式和显式的解决方法。通过机器学习挖掘历史数据生成新方案，并结合约束满足问题（CSP）框架与概率局部搜索方法，显著提高了排班效果，具有良好的实际应用潜力。

    Sep, 2024

  • PitRSDNet：预测内镜垂体手术中的剩余手术时间

    本研究解决了内镜垂体手术中剩余手术时间（RSD）预测的挑战，鉴于手术流程的不确定性和步骤的可选性，传统方法难以准确预测。提出的PitRSDNet模型采用时空神经网络，通过多任务学习和上下文获取显著提高了预测准确性，并在新的88视频数据集上表现优异，特别是在处理异常案例上显著提升了精度。

    Sep, 2024