Oct, 2022

AutoPrognosis 2.0: 借助自动化机器学习在医疗保健中实现诊断和预测模型的民主化

PDF
TL;DRAutoPrognosis 2.0 是一种基于机器学习的框架，可帮助开发优化的诊断和预测模型，并且能够提供模型可解释性工具并展示展示临床演示成果，并已在糖尿病领域成功应用，具有广泛的应用前景。
machine learningautoprognosis 2.0diagnostic modelsprognostic modelsdiabetes
发现论文，激发创造
  • 基于人工智能的精准医学方法：糖尿病风险预测

    本综述分析了 40 项使用人工智能模型（主要是机器学习模型）预测 2 型糖尿病（T2DM）风险的研究，结果显示单模态和多模态模型表现良好，但是外部验证和新型生物标志的应用不足。

    May, 2023

  • 自动机器学习在心血管疾病检测中的效果研究

    发展和应用以患者为导向的系统中，机器学习作为一种有前途的技术能够预测心血管疾病，本研究使用自动化机器学习和三个场景探索了检测心血管疾病的有效性，结果显示自动化机器学习模型的结构不仅取决于基本模型的效率和准确性，还取决于数据的预处理技术，尤其是数据标准化。

    Aug, 2023

  • 医学病理预测：系统综述和提出的方法

    本文分析和研究了使用最新技术（如大数据、人工智能、机器学习和深度学习）改善医疗保健的不同方法，提出了基于收集、预处理和聚类医疗数据的一般方法，以在可观的时间范围内预测最常见的病理。

    Apr, 2023

  • 语言模型是预测性预测的几乎零 - shot 学习器

    研究使用 transformers 和语言模型在预测免疫疗法的预后预测中的潜力，改善临床预测。通过在多种癌症类型上跨比较，该研究发现使用 NLP 在临床研究中可以显著提高准确性，有助于不同疾病的早期检测和干预。

    Feb, 2023

  • 工业系统的诊断和预测的机器学习方法综述：基于工业开源数据

    在预测健康管理领域，本文提供了关于利用 PHM 数据挑战竞赛的开源数据集进行工业系统诊断和预测的机器学习方法的综述，并总结了一个统一的机器学习框架，强调了传统机器学习和深度学习在解决复杂工业任务方面的作用和挑战。

    Dec, 2023

  • 利用临床背景进行用户中心的可解释性：糖尿病应用案例

    为了推广人工智能模型在高精度领域（如医疗保健）的实际应用，必须使其具有可解释性。本研究通过探索一种基于临床情况、疾病风险预测和算法解释的上下文定制方法，验证了这种方法的重要性。在对 2 型糖尿病（T2DM）中的慢性肾脏病（CKD）风险预测进行了实证分析后，我们获得了初步结果和来自医疗专家的热烈反响。

    Jul, 2021

  • 深度学习在预测维护应用中的潜力、挑战和未来方向

    本文评估了应用深度学习于 Prognostics 和 Health Management（PHM）领域，用于检测、诊断和预测复杂工业资产故障的现状、挑战、潜在解决方案和未来研究需求。

    May, 2020

  • 患者叙述整合实现患者端疾病预测

    通过应用个性化医疗疾病预测（PoMP），该研究利用患者的健康叙述和人口统计信息来预测疾病，使患者能够更清楚地了解自己的状况，去寻找合适的医疗专家，从而减少寻找合适医生的时间和导航医疗沟通的成本。

    May, 2024

  • 健康 - LLM: 个性化检索增强疾病预测模型

    我们提出了一个名为 Heath-LLM 的创新框架，它结合了大规模特征提取和医学知识权衡评分，与传统的健康管理方法相比，具有三个主要优势，它将健康报告整合到一个大模型中以提供详细的任务信息，使用专业的医学专业知识来调整健康特征的加权得分，并使用半自动特征提取框架来增强语言模型的分析能力，并结合专家见解来提高疾病预测的准确性。我们对大量的健康报告进行了疾病预测实验，结果表明所提出的方法超过了传统方法，并有潜力革命性地改变疾病预测和个性化健康管理。

    Feb, 2024

  • 医学影像的自动化机器学习系统

    该研究探讨了机器学习和自动化机器学习在医学图像分析中的应用，通过使用神经架构搜索和迁移学习等技术来改善人类专家和计算机系统的诊断准确性。

    Jun, 2023