Dec, 2023

解锁肌肉骨骼疾病风险因素：基于自然语言处理的分类与基于模型的排名

HTML
PDF
TL;DR该研究使用自然语言处理技术和模式排名方法，深入探讨了肌肉骨骼障碍（MSD）的风险因素。研究利用多个模型对风险因素进行分类，并使用调查数据进行综合排名，以揭示MSD风险因素的相对严重性。其中，在工作姿势、工作不安全性、努力回报不平衡以及员工设施不良等因素在MSD风险中扮演重要角色。通过这些研究结果，可以为有针对性的干预措施和改善工作环境提供有益的指导。
发现论文，激发创造
  • 医疗背景下词嵌入的偏见量化

    本论文研究了嵌入方法在编码社会边缘群体时的偏见问题，以及这种偏见可能导致的临床任务性能下降。通过使用MIMIC-III医院数据集中的医学记录对深度嵌入模型(BERT)进行预训练并使用两种方法量化潜在不公正性，作者发现BERT表征训练出的分类器在性别、语言、族裔和保险等方面表现出明显的性能差异，以及通过对抗去偏差的不足。最后提出了这些问题的最佳实践。

    Mar, 2020

  • 基于语言的慢性疼痛检测及专家协作文本摘要的框架

    通过大规模语言模型进行句子级别分类以准确诊断疼痛的亚型，同时利用基于方面的方法生成专家干预的患者采访摘要。

    Sep, 2022

  • 在土耳其临床领域利用BERT的力量：有限数据场景下的预训练方法

    本研究旨在探讨语言资源有限情况下，各种预先培训方法对土耳其临床语言模型在涉及放射学报告的多标签分类任务中表现的影响，并通过利用有限的临床任务数据首次评估了同时进行预训练的方法。我们发现，在使用大量通用域语料库的情况下，通用土耳其BERT模型和TurkRadBERT-task v1表现最佳。此外，本研究还强调了预先训练期间领域特定词汇对于增强模型性能的重要性。

    May, 2023

  • SDOH-NLI：从医疗记录中推断卫生社会因素的数据集

    该研究介绍了一个新的数据集SDOH-NLI，基于公开可用的笔记，通过将社会和行为决定因素提取为自然语言推理任务，从而帮助健康护理提供者系统地识别提供适当护理和解决差异的机会。

    Oct, 2023

  • 基于数据驱动的复杂手工密集制造过程的人体工效风险评估

    基于数据驱动的人体工程学风险评估系统在手工密集制造过程中，特别关注手部和手指活动，以更好地识别和解决与此相关的人体工程问题。该系统包括一个多模态传感器试验台，用于收集和同步操作员的上半身姿势、手部姿势和施加力；Biometric Assessment of Complete Hand（BACH）配方，用于测量高保真度的手部和手指风险；以及与上半身姿势、RULA和手部活动HAL相关的行业标准风险评分。研究结果表明，相比于现有的衡量指标，BACH以更高的细度捕捉具有伤害性的活动。机器学习模型还用于自动化RULA和HAL评分，并能很好地推广至未见过的参与者。因此，我们的评估系统为研究的制造流程提供了人体工程学解释性，并可通过较小的工作场所优化和姿势修正来降低风险。

    Mar, 2024

  • 慢性病患者轨迹的数据驱动分组：以腰痛为例的证据

    通过混合隐马尔可夫模型对长期疾病患者轨迹进行亚群分组，从而实现个性化医疗，该模型在研究中表现出较常见基准的优势

    Apr, 2024

  • 疼痛语言的计算分析：系统综述

    该研究旨在系统综述有关疼痛语言的计算处理的文献，无论是由患者还是医生产生，以确定当前的趋势和挑战。

    Apr, 2024

  • 医学出版物中疾病风险因素的自动提取

    我们提出了一种新颖的方法来自动化从医学文献中识别疾病风险因素，利用在生物医学领域预训练的模型，并针对特定任务进行调整。通过面对多样化和非结构化的医学文章的挑战，我们的研究引入了一个多步骤系统，首先识别相关文章，然后基于风险因素讨论的存在进行分类，最后通过问答模型提取特定疾病的风险因素信息。我们的贡献包括开发了一个全面的管道用于自动提取风险因素，并编制了几个数据集，这些数据集可作为进一步研究的宝贵资源。这些数据集涵盖了各种疾病以及它们相关的风险因素，并通过精细的评估方案进行了认真的身份验证。我们进行了自动评估和全面的手动评估，展示了令人鼓舞的结果。我们还强调了改进模型和扩大数据集的全面性的重要性，以与快速发展的医学研究领域保持同步。

    Jul, 2024

  • 基于MediaPipe和LSTM的手动搬运任务实时姿势监测与风险评估

    本研究解决了手动搬运任务中传统姿势纠正方法反馈延迟和个性化评估不足的问题。通过结合人工智能驱动的姿势检测和实时反馈，提出了一种创新的姿势监测系统，有效降低肌肉骨骼疾病的风险。研究结果显示该系统相比现有 metodología 在实时反馈与风险评估方面显著改善，具有实际应用价值。

    Aug, 2024

  • 利用自然语言处理通过文本分类发现职业倦怠的迹象：从在线数据到现实世界数据

    本研究解决了职业倦怠检测中的数据和方法不一致问题，提出了一种基于自然语言处理的文本分析新方法。通过收集真实世界的匿名数据集及整合多种模型，研究显示当前的AI方法在实际应用中需与临床专家密切协作，并强调使用更多真实数据的重要性以提升模型的效果。

    Sep, 2024