Mar, 2023

在重症监护室中利用环境噪声和光信息预测谵妄风险

PDF
TL;DR本研究使用的环境噪声和光信息成功地构建了第一个基于深度学习的重症监护室谵妄预测模型，发现环境噪声和光的强度水平是 ICU 长期谵妄的预测因子，而且白天和晚上的环境因素会以不同的方式影响谵妄。
发现论文，激发创造
  • 利用选择性状态空间模型预测急性脑功能障碍状态的多队列研究

    使用电子健康档案数据动态预测重症监护病房中患者的急性脑功能障碍、昏迷和死亡的研究。通过比较神经网络模型 MAMBA 和 Longformer Transformer 的预测性能，作者在 12 小时内对急性脑功能障碍的预测取得了 0.95 的平均 AUROC，并在不同状态间的转变预测方面取得了 0.79 的平均 AUROC。

    Mar, 2024

  • 环境噪声对阿尔茨海默病语音检测的影响：你应该让婴儿哭吗？

    通过分析 15 种环境噪音对四个机器学习模型的影响，发现有些类型的噪音有助于提高阿尔茨海默病检测模型的准确性，推荐在实际应用中利用这些噪音来取得最佳性能。

    Mar, 2022

  • 基于深度学习的 ICU 早期预警的普适性：一项回顾性实证评估

    本研究使用四个数据来源的数据，评估深度学习模型在不同医院的准确性，在模型性能方面，多数据来源模型表现相当，明确优化模型的方法并没有显著提高性能。

    Mar, 2023

  • 在重症监护室 (ICU) 利用计算机视觉研究探讨探视和患者移动

    利用计算机视觉系统监测重症监护病房患者的可行性和潜力。

    Mar, 2024

  • 在重症监护室中检测视觉线索及其与患者临床状况的关联

    通过分析面部行为单元和视觉线索，利用人工智能技术提供更客观、细粒度的重症监护环境中患者的评估和监测能力。

    Nov, 2023

  • 利用自然语言处理从临床叙述中识别谵妄症状

    研究使用自然语言处理技术从电子健康记录中提取谵妄症状，形成专家组分类繁多的症状，构建谵妄语料库，从临床记述中提取谵妄症状，比较 5 种现有模型，GatorTron F1 得分最好。该研究为谵妄的可计算表型和诊断方法的未来发展奠定了基础。

    Mar, 2023

  • 深度学习关注 ICU 中的风险

    利用长短期记忆和层次注意力机制，建立深度学习模型解决 ICU 中生理时间序列数据的不规则和缺失问题，实现对 ICU 死亡风险的预测，并在 PhysioNet 2012 数据集上取得了竞争力和可解释性的结果。

    Jul, 2017

  • 噪声污染对医院复诊预测的影响：基于强化学习的长文本分类

    本文提出了一种用于长临床文件噪声提取的强化学习方法，以预测肾移植后的再入院情况为例。我们尝试了四种编码器，与基于深度学习的编码器相比，词袋编码器在这个任务中的性能表现更好，并且强化学习能够在裁剪掉 25％的文本内容的同时，从文件中剔除噪声文本。

    May, 2020

  • 基于机器学习的焦虑检测中噪声效应的比较研究

    通过比较不同程度的噪音对生理唤醒分类问题分类模型的影响，该研究探讨了为什么和如何以前的方法失败，并分析了噪音对每个模型结构的影响，从而开发出对噪音环境具有鲁棒性的模型，适合于日常生活的喧嚣。

    Jun, 2023

  • 远程监督多任务学习在危重病护理中的应用

    为了减少重症监护室中的假警报，采用一种新的多任务网络结构，利用远程监督的方法通过多个相关辅助任务来降低训练所需标签的数量，并证明我们的方法在实际数据集上优于多种现有工作。

    Feb, 2018