对基于电子健康记录数据的深度学习预测模型的最新进展进行系统综述,并讨论了预测建模在医疗保健中的挑战、基准和工具,以及未来研究的方向。
Feb, 2024
介绍机器学习和深度学习技术在医疗保健的应用及相应的安全和隐私挑战,并提出了相关方法以确保医疗保健应用中的安全和隐私保护。
Jan, 2020
该论文阐述了电子病历(EHR)提供数据以回答临床相关问题,EHR 中不完整的标签、供建多个基础病因的疾病和健康人群缺乏等问题给机器学习在临床应用中带来的挑战,并强调了机器学习在医疗保健中发挥作用的机会。
Jun, 2018
通过快速处理能力,检测易被忽视的隐藏模式使得机器学习 (Machine Learning, ML) 在今天的医疗系统中不可或缺。本研究的目标是在不同医疗领域简洁有效地收集 ML 应用,并以表格形式提供相关参考文献和描述,以便立即获取必要信息。我们将研究分为五个主要组别:社区层面工作、风险管理 / 预防护理、医疗运营管理、远程护理和早期检测。我们的目标是向人们介绍机器学习在医疗行业的适用性,缩小临床医生对机器学习应用的知识差距,并推动医疗专业人员更多地基于机器学习的医疗系统。
Jul, 2023
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
通过对使用机器学习算法诊断传染病的最新研究文章的综述,我们发现大多数文章使用小数据集,结论表明合适的机器学习技术取决于数据集的类型和预期目标。
Jun, 2022
通过深入研究深度学习模型在医疗解决方案中的部署,本研究旨在探讨在医疗系统中使用的深度学习方法,包括前沿的网络设计、应用和市场趋势,以及当前未解决的问题和潜在方向。
通过研究稳健学习算法并将其应用于传染病风险的预警,本项目提出了一种动态截断损失模型,将传统的互信息隐式权重特征与平均变异特征相结合,通过降低受噪声影响的训练结果引入训练损失的下界和基于采样率的方法,验证了该方法在不同噪声类型下的有效性,并实现了包含标签噪声数据的稳健学习。
Jun, 2024
本文介绍了一个自动化的机器学习平台,用于在数字广告技术环境中构建数千个预测用户行为的模型,并实现连续的优化广告活动,涉及数十亿的广告展示量和数亿的用户,以及多个不同的性能目标。
Feb, 2014
通过调查拥有临床部署经验的从业者,本研究针对临床机器学习应用程序的主要挑战类别进行了分类,以更好地设计和开发临床机器学习应用程序。
Sep, 2021