Dec, 2023

对预训练的摘要问答模型进行微调用于临床文档解析

PDF
TL;DR解释了一个系统，可以解析超声心动图报告并验证射血分数 (EF) 值，从而帮助确定适合加入远程患者监测项目的心力衰竭 (HF) 患者的资格。该系统通过在定制标记数据上进行微调，使用预训练的抽取问答 (extractive QA) 变换器模型，采用了在低资源环境中推广解决方案的方法，并最终通过在 MIMIC-IV-Note 等公共临床数据集上运行实验，帮助我们的临床医生自动完成规模任务，节省了超过 12 个月中超过 1500 小时的时间。
electronic health recordsremote patient monitoringechocardiogram reportsextractive qa transformer modelclinical dataset
发现论文，激发创造
  • FineEHR: 优化临床记录表示以提高死亡率预测

    本文提出了 FINEEHR 系统，采用度量学习和微调等两种表示学习技术来优化临床记录的嵌入，以提高预测准确性。使用 MIMIC III 数据集评估 FINEEHR 的表现，结果表明两种嵌入优化方法均能提高预测准确性，同时它们的组合给出了最好的结果，平均 AUC 为 96.04％，平均 AUC-PR 为 96.48％。

    Apr, 2023

  • 将超声心动图像与病历融合，实现连续的患者分层

    利用深度学习和转换器模型，我们提出了一种方法，通过预测临床评分的假设任务，联合从电子病历和超声心动图提取的全部描述符，学习表征艰难识别的心血管病理（高血压），并详细描述了高血压对多个心脏功能描述符的影响。

    Jan, 2024

  • 可扩展和准确的电子健康记录深度学习

    使用电子健康记录进行循证医学和准确预测，通过 Fast Healthcare Interoperability Resources (FHIR) 格式表示病人的原始病历记录，并使用深度学习方法进行多中心的多个医疗事件预测，包括住院死亡率、未经计划的 30 天再入院率、医院停留时间延长、所有患者的最终出院诊断等。

    Jan, 2018

  • 基于短时心电图和长时心率变异采样的多模态心力衰竭风险评估

    该研究论文提出了多模式方法，结合 30 秒的心电图记录和近似的长期心率变异性数据（HRV）来估计心衰住院风险。实验结果显示，在心衰风险评估方面，所提出的方法具有较高的模型性能，并在多个外部心电图数据集上展示了竞争性的区分力。通过在 Apple Watch 数据上的可迁移性测试，并在 myHeartScore 应用程序中实施该方法，能够提供成本效益高且易于获取的心衰风险评估，有助于心衰的预防和管理。

    Mar, 2024

  • 大型语言模型引导的心电图双注意力网络用于心力衰竭风险预测

    用于心力衰竭风险预测的 ECG 网络模型基于 12 导联心电图数据，通过大型语言模型的预训练提高预测能力和透明度，为早期心力衰竭诊断和预防提供潜在的改进。

    Mar, 2024

  • 基于问答的综合中文电子健康记录信息提取的流程

    提出了一种新的方法，自动生成用于 QA 模型的迁移学习的训练数据，该模型在电子健康记录的信息提取子任务中表现出色且能够有效处理少样本或零样本情况的问题。

    Feb, 2024

  • 多模态转换器：将临床记录与结构化电子病历数据融合，可解释的住院死亡率预测

    本论文提出一个新型的多模态变压器，用于融合医疗记录数据和医生的述职记录来预测住院死亡率，并使用可视化方法展示关键的医疗记录和医疗数据特征，进而提高了诊断的可解释性和预测的精度。

    Aug, 2022

  • 适应预训练语言模型以解决电子病历中的表格预测问题

    本文提出了一种使用域适应来适应 DeBERTa 模型用于电子医疗记录任务的方法，并在包括 MIMIC-III 出院摘要和 PubMed 摘要在内的数据集上对其进行预训练。结果表明，该方法在紧急部门结果的三项基准测试任务中表现优于其他模型，并使用描述性列名来提高性能。

    Mar, 2023

  • 一种利用机器学习和不确定性量化建模 CRT 的多阶段决策过程的新方法

    创建了一个多阶段的机器学习模型，利用不确定性量化预测心力衰竭患者的心脏再同步治疗反应，通过使用规则逻辑减少了对额外单光子发射计算机断层扫描心肌灌注显像数据获取的需求，而不牺牲性能。

    Sep, 2023

  • 超声心动图左室射血分数的自动神经网络预测模型开发

    基于深度神经网络和集成学习的新型管线方法用于左室射血分数（LVEF）的自动准确量化，并在心力衰竭的诊断和分类中取得了与专家评估相当的效果。

    Mar, 2024