Mar, 2024

支持新生儿科医生在产房中的教育工具

PDF
TL;DR通过机器学习方法，本文识别了风险因素及其对出生事件的影响，旨在设计一个用户友好的移动应用程序，以提高高风险患者的识别率和适当干预的计划。
发现论文，激发创造
  • 理解孕妇和胎儿结果的风险因素的可解释预测模型

    使用可解释性增强学习机（EBM）进行预测和风险因素的识别，可以改善孕期并发症的预测和预防，提高临床应用的潜力。

    Oct, 2023

  • 新生儿重症监护室与人工智能的过去、现在和未来

    本文系统评估了人工智能及深度学习在新生儿学中的应用，包括算法开发和挑战，并总结了 96 篇文章的优缺点和可能的新模型方向，提出了将人工智能整合到新生儿重症监护中的路线图。

    Feb, 2023

  • 应用机器学习和人工智能协作缩小高风险妊娠护理差距

    本文提出了一个高风险妊娠程序，通过算法识别高风险成员，并完成了孕期识别与并发症预测模型，演示了预测与临床信息相结合的工具在提升护士决策过程中的实用性的可能。

    May, 2023

  • 基于机器学习的胎儿健康数据分析分类方法

    使用机器学习模型对胎儿健康进行分类分析，评估了不同模型的分类性能，并实施了降维技术以提高分类性能，其中 TabNet 模型在一个胎儿健康数据集上实现了 94.36% 的分类准确率。

    Nov, 2023

  • I-SIRch: 从孕产调查中获取安全洞见的 AI 驱动概念注释工具

    使用人工智能开发了一种名为 I-SIRch 的新方法，用于自动识别和标记在描述英国的医疗安全调查分部（HSIB）所产生的不良孕产事件的孕产医疗调查报告中的人为因素概念。该方法揭示了不同民族群体的母亲受到某些人为因素的不成比例影响，为了理解社会、技术和组织因素对母亲安全和人群健康结果的影响，采用更全面的视角来发展有针对性的干预措施以解决差异并改善母亲结果的新可能性。

    Jun, 2024

  • 预测急诊科出院后住院风险的升高

    用数据挖掘技术分析医院数据集，构建高准确度的预测模型，帮助医生在急诊科病人出院前预测早期住院的风险。

    Jun, 2024

  • 揭开未出生婴儿的面纱：通过机器学习推进胎儿健康分类

    采用机器学习方法和综合评估的方法，该研究提出了一种新的胎儿健康分类模型，以胎儿心率、子宫收缩和孕妇血压等多种特征为综合评估指标，实现了更客观和准确的胎儿健康评估。这一研究在产科领域有重大影响，为早期检测和干预胎儿健康问题奠定了基础，预期将为孕妇和婴儿提供更好的医疗结果。

    Sep, 2023

  • 创伤复苏的运行时决策支持探索

    探索使用患者情境和活动情境构建治疗推荐系统进行实时下一分钟活动预测的可行性，并在创伤复苏的预先记录数据集上对其进行评估和消融研究，并讨论了未来的工作。该系统可以降低医疗团队的错误率并提高患者的治疗效果。

    Jul, 2022

  • 低资源环境中的胎儿超声 AI 系统

    本论文研究了怀孕期间母婴保健的重要性，探讨了人工智能辅助超声波技术诊断胎儿发育状况的可行性，特别是针对在低资源环境下不熟练的超声设备操作人员的辅助作用，模型可以用于预测孕周和胎儿位置，提高了胎儿保健水平。

    Mar, 2022

  • 可解释机器学习在 ICU 复诊预测中的应用

    通过标准化和可解释的机器学习流程，该研究在多中心数据库上建模和预测了患者再次入院，使用随机森林分类模型获得了高达 0.7 的预测性能，并提供了对生命体征、血液检查、人口统计学信息和 ICU 相关变量等方面的有见地的结果，对临床医生的决策提供了宝贵的信息。

    Sep, 2023