Feb, 2024

通过 Few-shot 学习和 SBERT Fine-tuning 进行牙齿严重程度评估

PDF
TL;DR在这项研究中，使用 13 种不同的机器学习、深度学习和大型语言模型来基于放射科医生的报告确定口腔健康问题的严重程度。结果显示，Few-shot 学习与 SBERT 和多层感知器模型在各种实验中都表现优于其他模型，取得了 94.1％的最佳准确率。因此，该模型显示出作为可靠工具评估口腔疾病严重程度的潜力，使患者能够接受更有效的治疗，并帮助医疗保健专业人员做出关于资源配置和高风险患者管理的明智决策。
dental diseasesautomated systemsmachine learningoral healthseverity level
发现论文，激发创造
  • 通过临床报告的情感分类评估牙齿和口腔问题的严重程度

    通过对放射科报告中的情感分析，开发了基于卷积神经网络和长短时记忆网络结构的深度学习模型，用于检测患者情况的严重程度，结果表明该模型在估计口腔和牙科疾病的严重程度方面表现最佳。

    Jan, 2024

  • 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

  • BERT-based 小数据关注模型及其应用于自动患者信息分类

    本研究提出了一种基于 BioBERT 的新框架，其中引入了一种用于自我关注的标签嵌入技术以及使用较小变体对 BERT 进行精简以减少过拟合和模型大小，应用于患者信息分类，证明了在处理医疗保健领域中的小数据集时，与传统分类器相比，能够实现更高的分类性能 .

    Jun, 2020

  • 慢性疾病管理的少样本学习：利用大型语言模型和多提示工程与医学知识注入

    利用最先进的人工智能技术，通过用户生成的文本内容来检测各种心理障碍，该研究提出了一个新颖的框架，利用大型语言模型和多提示工程等先进技术解决数据驱动的慢性病管理中的两个关键技术挑战，其在抑郁症检测任务中取得了显著的优势，并在少训练样本的情况下对心理障碍的检测取得了成功。

    Jan, 2024

  • 利用大型语言模型从临床记录中提取物质使用障碍的严重程度：一种零样本学习方法

    应用大型语言模型（LLMs）从临床记录中提取各种药物使用障碍（SUD）诊断的严重性相关信息的研究，展示 LLMs 在提取严重性信息方面的优越性，有助于改善 SUD 患者的风险评估和治疗计划。

    Mar, 2024

  • 将疾病知识融入 BERT 模型用于医疗问答、医学推理和疾病名称识别

    本文介绍了利用有关疾病的特定知识和 BERT 模型相结合来提高健康相关任务（例如消费者健康问答和医疗语言推理）的准确性，实验结果表明，这种方法在多数情况下都能够显著改善任务效果。

    Oct, 2020

  • 面向低资源域特定软件需求分类的少样本学习方法

    本文针对汽车领域文本软件需求分类问题，提出了对极少量标注样本进行 Few-shot 学习 fine-tuning 的算法和方法，发现在只有数十个标注样本时，SciBERT 和 DeBERTa 的效果最好；但随着标注样本数量的增加到 50 个，相对于 Siamese 和 T5，它们的性能提升微乎其微

    Feb, 2023

  • 在干预引起的截尾情况下学习（预测性）风险评分

    文章提出一种基于排序算法的疾病严重程度评分学习框架（DSSL），可将患者的测量数据转化为与专家评分一致的严重程度分数，将其应用于感染性休克疾病的严重程度评分，得到的分数在排序和早期治疗方面均明显优于现有的临床评分，并且对不同治疗方案的变化具有更好的泛化性能。

    Jul, 2015

  • 使用大型语言模型和实例分割技术的全景放射状牙齿状况半监督分类：现实世界数据集评估

    采用半监督学习框架，结合大型语言模型和自编码器，通过对口腔放射病例报告进行注释和无标签数据利用，成功实现了牙科全景放射病例的自动化分类，结果表明该方法在鉴定牙齿相关病症上具有与初级专家相当的准确性。

    Jun, 2024

  • Med-BERT: 基于大规模结构化电子病历的预训练上下文化嵌入，用于疾病预测

    Med-BERT 是一种基于 BERT 框架训练的语境嵌入模型，适用于在数据集较小的情况下预测疾病。通过电子病历研究心力衰竭和胰腺癌的预测，表明 Med-BERT 具有较高的准确性和泛化性能，可以大幅提升深度学习模型的性能和推广医疗人工智能的发展。

    May, 2020