Nov, 2023

利用在健康人群上训练的 AI 模型量化损害和疾病严重程度

PDF
TL;DR提出了一种新的框架来解决数据驱动医学中的自动评估障碍和疾病严重程度的关键问题，通过利用仅在健康个体上训练的人工智能模型，采用 COBRA（COnfidence-Based chaRacterization of Anomalies）得分来量化病患与健康人群的偏离程度，成功应用于中风患者上肢损伤的临床评估。
发现论文，激发创造
  • 基于集成 Brier 得分的生存 Cobra 模型 —— 一种基于回归的方法

    该研究提供了使用 COBRA 集成和 Integrated Brier Score 来预测条件生存函数的两种新实现方法。利用基于回归的弱学习器，我们创建了一种基于归一化集成 Brier 分数作为权重的新型预测器，同时考虑了右侧截尾数据，通过在现实数据分析中对算法进行了说明。

    Oct, 2022

  • 利用数字重建放射图从计算机断层扫描中自动评估髋骨病变分级与不确定性估计

    通过利用深度学习模型，开发了一种从 CT 图像中自动评估髋关节骨关节炎（髋关节 OA）严重程度的方法，模型表现出较高准确度，促进了大规模 CT 数据库中的自动评级，并为进一步疾病发展分析提供了潜力。

    Dec, 2023

  • 一种新颖的多示例学习框架 —— 基于数据增强和自监督学习的 COVID-19 重症评估

    本文提出了一种使用多实例学习和数据增强相结合的方法，能够自动准确地对 COVID-19 进行严重程度评估，并在 229 例 COVID-19 病例的 CT 图像上进行了评估，结果表明其平均准确率达到 95.8％，优于以前的研究。

    Feb, 2021

  • 利用人工智能在家测量帕金森病的严重程度

    该研究介绍了一种使用人工智能技术进行帕金森病患者远程多任务运动表现评估的方法，此方法具有高度的准确性和可靠性，并且可以为缺乏神经学治疗的区域提供帕金森病患者及其他运动障碍患者远程客观评估的可能性。

    Mar, 2023

  • MMA-Net：自动柯布角度测量的多形态感知网络

    本研究提出了一种名为多形态感知网络（MMA-Net）的新框架，通过整合多种脊柱形态作为关注信息，改进了 Cobb 角度测量的准确性，实现了自动化的、高效的、可靠的脊柱 X 光分析。

    Sep, 2023

  • 使用智能手表评估中风患者上肢自动运动能力

    设计了一个上肢康复评估流程，用于通过智能手表自动检测和识别受卒中影响的患者的四个关键动作，以实现在康复场景中的物理状况评估。

    Dec, 2022

  • DeepSOFA：使用临床可解释的深度学习对危重病患者进行连续生理状态评分

    提出了一种新的 Acuity 评分架构：DeepSOFA，使用可解释的深度学习模型和时间测量来评估 ICU 逗留期间的疾病严重程度和预测住院病死率，相比于基线模型 SOFA，DeepSOFA 具有更高的准确性，有助于及早发现 ICU 患者的生命危险，并在治疗策略和资源利用方面提供决策参考。

    Feb, 2018

  • 利用回归模型和 MRI 特征实现强韧的脑龄预测

    本文介绍了一种使用机器学习模型和开放的健康大脑数据集（OpenBHB dataset）的新的脑龄评估框架，该框架整合了三种不同的 MRI 衍生区域特征和不同的回归模型，可高度精确地评估脑龄，对于认识神经学疾病和与年龄相关的大脑变化具有重要意义。

    Jun, 2023

  • 可穿戴传感器在重症监护病房中评估患者重要性的潜力

    通过结合可穿戴传感器数据和电子健康记录，利用人工智能技术开发的新的病情评估得分模型可以成功区分危重病患者的稳定和不稳定状态。

    Nov, 2023

  • 通过 AI 技术提升心血管风险预测的钙组学研究

    冠状动脉钙化的 AI 分析可以改善 Agatston 评分，显示了钙组学在风险预测中的有效性。

    Aug, 2023