基于 Transformer 的深度学习方法用于公平预测肝移植后风险因素
通过 FERI 算法实现对肝移植患者移植物失败风险公平预测,维持高准确率并显著改善性别和年龄群体之间的公平问题,为公正的医疗系统提供了宝贵工具。
Oct, 2023
本文评估了基于 transformer 的深度学习模型在术中麻醉管理数据方面预测术后急性肾功能衰竭、术后肺部并发症和术后住院死亡的表现,并比较其与传统机器学习模型如梯度提升树和序列注意模型等的表现。结果表明,transformer 式模型在预测术后并发症方面具有卓越的表现,突显了深度学习技术特别是 transformer 式模型在改变卫生保健行业术后护理方法方面的潜力。
Jun, 2023
这篇论文探讨了机器学习算法在高影响临床决策系统中应用的公平性、可解释性和透明度,提出了一种基于倾向评分和决策树的算法指南,帮助临床医生识别模型的可预测缺陷,同时指导算法开发人员改进数据源和结构以解决这些缺陷。
Nov, 2020
通过设计公平反馈调查问卷评估一种肾脏接受率预测器(ARP),以及提出基于最小化社会反馈遗憾的新型逻辑回归公平反馈模型的社会公平偏好学习算法,本研究估计并详细讨论了众筹调查中公众对肾脏配对中的群体公平概念的偏好。
Apr, 2024
使用机器学习技术,提出一种估计肾移植中他克莫司暴露的新方法,该模型与人口药物动力学模型的预测误差相似,但开发速度更快,需要更少的药物动力学知识。
May, 2022
ML algorithms and machine learning optimization are used to evaluate different liver illness datasets and identify the most excellent categorization models by modifying hyperparameters such as Phosphotase, Direct Billirubin, Protiens, Albumin, and Albumin Globulin, essential for minimizing the cost function and visualizing the pattern.
May, 2023
本研究提出一种基于多视角学习的深度学习方法,利用肝脏的多个子区域来提取更丰富的特征,使用主观逻辑来评估不确定性并应用 Dempster-Shafer 证据理论的明确组合规则来提高预测的准确性,通过在增强 MRI 数据上的评估结果发现,本方法优于现有的多视角学习方法。
Jun, 2023