Feb, 2023

深度强化学习用于成本效益医学诊断

PDF
TL;DR本文介绍了一种利用增强学习和奖励设计方法优化实验测试序列，以最大化 F1 得分和降低成本的动态诊断策略。作者使用基于半模型深度诊断策略优化 (SM-DDPO) 的方法处理多种临床任务的数据，实现了高准确性和高成本效益
dynamic diagnosisreinforcement learningf1 score maximizationclinical datacost reduction
发现论文，激发创造
  • 基于分层强化学习的自动疾病诊断任务导向对话系统

    本文提出在任务对话环境中利用强化学习方法进行自动疾病诊断，设计并实现了一个层次化框架，在无法避免的繁琐的疾病症状检查中展现了更高的精确度。

    Apr, 2020

  • 使用深度强化学习从电子健康记录中提取诊断路径

    使用强化学习算法，通过电子病历来训练 Dueling DQN 算法和 Dueling Double DQN 算法，以优化临床诊断过程并对贫血及其亚型进行不同诊断。

    May, 2023

  • 使用电子健康记录的个性化诊断决策路径的深度强化学习：贫血和系统性红斑狼疮的比较研究

    DRL 通过学习个性化决策路径向诊断领域提供机会，可以生成自说明的逐步决策路径，并且在与最先进方法的比较中具有竞争性的正确性。

    Apr, 2024

  • 通过强化学习和分类自适应对准实现高效的症状询问和诊断

    通过采用强化学习和分类技术，设立自适应机制，使用分布熵对齐，创建新的患者模拟数据集，有效提高医疗诊断准确率。

    Dec, 2021

  • 使用深度强化学习的事件预测动态测量调度

    通过深度强化学习策略，将测量成本降至最低，同时最大化预测收益，实现基于病人健康历史动态调整的医学测量任务调度，有效地降低了测量次数并提高了预测准确性。

    Jan, 2019

  • 医学预测监测中的动态特征选择：强化学习

    研究采用强化学习优化时间序列场景下的动态特征选择方法，提高临床预测监测中的数据挖掘效果。

    May, 2024

  • DPO: 差分强化学习及其在最优配置搜索中的应用

    提出了第一个可以处理拥有有限训练样本和较短长度回合的差分强化学习框架，命名为差分策略优化（DPO）。DPO 是一种点对点和阶段对阶段迭代方法，通过本地运动算子编码的策略进行优化，具有可扩展性，且在基准实验中与几种流行的强化学习方法相比展现出有竞争力的结果。

    Apr, 2024

  • 医学影像中的深度强化学习：文献综述

    这篇论文综述了深度强化学习在医学成像中的应用，分别从深度强化学习的基础知识、医学成像领域的应用及未来展望等方面进行了解析。

    Mar, 2021

  • 基于循环神经网络的监督增强学习在动态治疗推荐中的应用

    本文提出一种基于监督强化学习和循环神经网络的动态治疗建议系统，用于处理医疗记录中的复杂关系和部分观测问题，实验结果表明该系统能够有效减少患者死亡率和提高医疗建议的准确性。

    Jul, 2018

  • 使用深度学习的主动序贯假设检验政策设计

    该研究使用基于深度学习的启发式和 KL 分歧零和游戏设计方法来解决部分可观测马尔可夫决策过程中的主动序贯假设测试问题，并表明在某些情况下所提出的启发式方法优于现有方法。

    Oct, 2018