Nov, 2023

通过无监督机器学习建立慢性腰背痛患者的中枢敏化清单截断值

PDF
TL;DR该研究利用无监督机器学习方法确定了荷兰语人群慢性腰痛的中枢敏感阈值，整体组的阈值为 35，女性组的阈值为 34，但由于样本中的性别分布不均衡，需要小心解释性别相关的阈值。
发现论文，激发创造
  • 工业人机协作任务的人体舒适性指数估计

    人机协作中，通过生理信号来定量评估人的舒适度和不舒适度，本研究成功地将舒适度和不舒适度与情感圆坐标模型的最接近情感匹配，并且证明了从生理信号中评估人的舒适度和不舒适度的可行性。

    Aug, 2023

  • 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

  • 基于神经网络的疼痛强度估计的不确定性量化

    本研究提出了基于神经网络的方法来进行客观疼痛区间估计，并将不确定性量化纳入考虑。通过三种算法：bootstrap 方法、遗传算法优化的上下界估计（LossL）和梯度下降算法优化的改进上下界估计（LossS），实证结果表明 LossS 方法在提供更窄的预测区间方面优于其他两种方法。我们评估了 LossS 方法在三种不同的疼痛评估场景中的性能，包括广义方法（整个人群使用单一模型）、个人化方法（每个个体使用单独模型）和混合方法（每个个体群集使用单独模型），结果显示混合方法具有卓越的性能，在临床环境中具有显著的实用性。该方法有潜力成为临床医生的有价值工具，能够在进行客观疼痛强度评估时考虑不确定性，从而促进有效的疼痛管理，降低治疗不当所带来的风险。

    Nov, 2023

  • DeepFaceLIFT：自动估算自报疼痛感受的可解释个性化模型

    本文提出了一种基于神经网络和高斯过程回归模型的个性化估计疼痛程度的方法 DeepFaceLIFT，并在 UNBC-McMaster 肩疼痛表情库上展示了较高的性能，同时提供了置信度估计及易于解释的面部表情区域。

    Aug, 2017

  • 面部表情自动估计个性化自报疼痛强度

    该文章提出了一种基于面部表情的自动疼痛感知系统，使用递归神经网络和隐藏式条件随机场进行自动疼痛强度和视觉模拟评分的估计。通过引入每个人的面部表情得分进行模型的个性化定制，证明了个性化方法优于传统的非个性化方法。

    Jun, 2017

  • 基于多种机器学习和深度学习方法的电子病历数据对患者病情状态的分类

    研究使用多种机器学习和深度学习方法，通过对患者的电子病历进行分类，对患者的病情进行评估，并发现在监督和非监督算法中，超参数调整的随机森林表现最好，而分层聚类和高斯混合模型的表现也颇为出色。

    Sep, 2022

  • 面部 AU 检测的端到端机器学习框架在重症监护室中的应用

    本文介绍了一种基于视觉变换器模型的端到端面部行为分析实时检测方法，评估了两种视觉变换器模型（ViT 和 SWIN）在 Pain-ICU 数据集上的 AU 检测能力，并证明了 SWIN transformer Base variant 可以实现 0.88 F1-score 和 0.85 准确度的 AU 检测。

    Nov, 2022

  • 慢性疼痛患者叙述可用于估计当前疼痛强度

    本研究提出基于慢性疼痛患者个人经历的语言叙述对疼痛强度估计，通过使用计算模型，发现患者的语言特征确实提供了有关疼痛强度的信息。其中，轻度疼痛患者侧重动词的使用，而中度和重度疼痛患者则侧重副词、名词和形容词的使用。

    Oct, 2022

  • 脊髓电刺激治疗慢性疼痛患者的管理推荐系统

    使用上下文多臂赌博机（CMAB）方法，我们提出了一种针对椎骨刺激（SCS）疼痛管理的患者的推荐系统，旨在通过数字健康生态系统直接向患者发送推荐，结合患者监测系统，在整个患者旅程中为慢性疼痛患者闭合治疗循环，评估结果显示，SCS 推荐对于临床疗效（疼痛和 / 或生活质量）实现了统计学上显著 85％的改善，表明 SCS 患者可能从 SCS 推荐中获益，并进一步改善 SCS 疗法带来的益处。

    Sep, 2023

  • 自动评分强直性脊柱炎脊椎 X 线

    通过 VertXGradeNet 自动预测用于 X 光脊柱成像的颈椎和腰椎椎体单位的修正 Stoke 强直性脊柱炎骨试分数（mSASSS）评分，从而在成本和时间上提高自动评分的效率。

    Aug, 2023