Apr, 2023

利用多模态深度神经网络预测多发性硬化疾病的严重程度

PDF
TL;DR使用多模态电子病历数据和深度学习框架预测多发性硬化症疾病的严重程度；我们描述了一个基于结构化电子病历数据、神经影像和医学记录的多模态深度学习框架，相比使用单一模态数据的模型，该框架提高了高达 25% 的预测准确度；研究还提供了有关每个数据模态与硬化症疾病预测相关性的有用信号量的见解。
发现论文，激发创造
  • 从临床文本中对多发性硬化症严重程度进行分类

    通过使用 MS-BERT 模型、MSBC 分类器和 Snorkel 来预测神经病学会诊记录中的 EDSS 分数和各项功能分数，本研究取得了最新的技术成果，并改善了以前仅使用 Word2Vec CNN 和基于规则的方法生成的模型的预测表现。

    Oct, 2020

  • 多发性硬化诊断及疾病演变的时间模型

    本文通过使用机器学习方法和患者报告的结果模型，构建了一个预测中枢神经系统退化疾病多发性硬化症的进展情况的方法。

    Dec, 2016

  • 使用多任务神经网络确定帕金森病患者的严重程度

    该论文提出了一种基于深度学习技术的方法，通过语音分析及回归技术能够判断一个人是否患有严重的帕金森症，并预测病情的程度，取得了非常有前景的效果。

    Feb, 2024

  • 利用电子病历数据进行 5 年慢性病队列预测的大型多模态语言模型

    通过收集来自台湾医院数据库的五年电子健康记录，该研究提出了一个新颖的大型语言多模型（LLMMs）框架，将临床笔记和实验室检测结果的多模态数据结合起来预测慢性疾病风险，观察到将 clinicalBERT 和 PubMed-BERT 与注意力融合相结合可以在多类慢性疾病和糖尿病预测中达到 73% 的准确率，将实验室检测值转化为文本描述后，利用 Flan T-5 模型可以达到 76% 的 ROC 曲线下面积（AUROC），从而显著提高了糖尿病早期预测的准确性。

    Mar, 2024

  • 利用大规模多模态 Transformer 进行医学诊断：利用不同的数据进行更准确的诊断

    提出了新的可学习的协同学习方法，用以解决多模态深度学习模型中所存在的模型复杂性升级问题，以及其应用于医学临床数据处理中所面临的扩展性难题，并在三个多模态数据集上展现了其卓越的表现。

    Dec, 2022

  • 使用神经随机微分方程对连续疾病轨迹和治疗效果进行概率性时间预测

    基于医学影像的个性化医学，可以准确预测未来个体化临床疾病进展和治疗反应，对于长期、复杂、异质性的无法治愈的疾病（如多发性硬化症（MS））的医疗和药物开发具有巨大影响。本文提出了第一个用于建模疾病进展的连续时间因果框架，利用神经随机微分方程（NSDE）。该因果推断模型以患者的高维影像（MRI）和表格数据为输入，预测潜空间中不同治疗的真实和反事实进展轨迹。NSDE 允许估计高置信度的个性化轨迹和治疗效果。在多中心独家数据集上进行了大量实验，该数据集包括在多个随机临床试验中获得的患者 3D MRI 和临床数据。我们的结果展示了第一个基于不确定性的因果深度学习（DL）模型，可以准确预测未来患者的 MS 残疾发展（如 EDSS）和治疗效果，利用基线 MRI，并且可以发现在临床试验中没有达到临床终点的患者亚组，模型对他们的治疗反应具有高置信度。

    Jun, 2024

  • 多模态分层多任务深度学习框架，用于联合预测和解释阿尔茨海默病进展

    该研究提出了一种多模态分层多任务学习方法，可以在访问轨迹的每个时间点监控疾病进展的风险，并且相较于最先进的基线模型，在预测阿尔茨海默病进展风险和综合评分上表现更好。

    Apr, 2024

  • 复杂脑部疾病预测的不完整多模态学习

    本文提出了一种新的不完全多模态数据整合方法，利用变压器和生成对抗网络，利用辅助模态数据来提高单模态模型的性能，并将其应用于预测阿尔茨海默病的认知退化和疾病结果。

    May, 2023

  • 跨临床站点改进多发性硬化症病变分割：一种具有抗噪训练的联邦学习方法

    使用联邦学习框架中的标签修正策略，解决多发地点协作中数据隐私和标签噪声的问题，实现多发地点的合作，提高多发地点数据的可靠性，并在多发地点数据上进行广泛实验证明了方法的有效性和鲁棒性。

    Aug, 2023

  • 探索深度网络中的不确定性度量以用于多发性硬化症病变检测和分割

    研究探索了在深度神经网络中基于蒙特卡罗 Dropout 的多种不确定性估计方法，提供了四种不同的体素级别的不确定性度量，可用于医学图像中的病变检测和分割。经实验结果表明，使用不确定性度量能够比仅使用网络的 Sigmoid 输出作为概率选择更好的操作点。

    Aug, 2018