early detection | BriefGPT - AI 论文速递

关键词early detection

搜索结果 - 95

PPINtonus: 早期利用深度学习音调分析检测帕金森病
利用深度学习音调分析的 PPINtonus 系统，提供一种经济实惠且可访问的替代方案，用于早期检测帕金森病，与帕金森声音项目 (PVP) 合作，使用半监督条件生成对抗网络生成合成数据点，增强多层深度神经网络的训练数据集，结合 PRAAT 语
PDFa month ago
自适应多尺度视网膜诊断：基于混合三模型方法的综合底片多疾病检测，利用迁移学习和孪生网络
研究开发了混合三元网络模型算法，通过使用包含基于传统转移学习的 CNN 模型、两阶段 CNN 模型和孪生网络的三个特征组件提取特征，以及集成机器学习算法进行诊断，实现了对 12 种常见和罕见眼病的准确诊断，其平均准确率为 97%，AUC 得
PDFa month ago
利用大型语言模型基于电子健康记录预测阿尔茨海默病的增强风险
通过利用语言模型为风险预测增添强大的能力，结合传统监督学习方法和大语言模型的决策机制，本研究提出的创新流程通过实际的电子健康记录数据仓库的评估表明有效地提高了预测性能，为改善 ADRD 筛查和早期检测实践带来了希望，并对患者管理策略产生潜在
PDFa month ago
基于注意力机制的头颈部临床图像预癌病变鉴定管道
癌症的早期检测可以通过早期干预来改善患者的预后。我们提出了一种基于注意力机制的流水线，可以识别疑似病变、对其进行分割，并对其进行非异型、异型和癌性病变的分类。我们提出了一种基于视觉变换器的掩码 R-CNN 网络用于临床图像的病变检测和分割，
PDF2 months ago
融合混合复杂度进行聚类变化符号检测
该论文提出了一种早期检测方法，用于集群结构变化。借助有限混合模型表示数据时，集群结构指离散的结构特征，比如集群数目。我们关注的是集群结构逐渐随时间变化的情况。对于有限混合模型，通过考虑集群比例偏差和集群之间的重叠，混合复杂度（MC）衡量了连
PDF3 months ago
MOGAM：用于抑郁症检测的多模态面向对象图注意力模型
早期检测在抑郁症治疗中发挥关键作用。为了实现抑郁症的早期检测，众多研究聚焦于社交媒体平台，个人通过表达情绪来达到该目标。然而，现有方法通常依赖具体特征，导致对不同类型的社交媒体数据（如文本、图像或视频）的可扩展性有限。为了克服这一限制，我们
PDF3 months ago
双层超图网络用于多模式阿尔茨海默病诊断
通过半监督的多模态诊断框架，采用新的超图框架，能够在利用最少标签的情况下处理多模态数据之间的高阶关系，实施阿尔茨海默病前期阶段的早期检测，以显著提高患者的结果和生活质量。
PDF3 months ago
基于梯度提升算法的乳腺癌分类，重点减少假阴性并使用 SHAP 解释性
通过使用四种提升算法：AdaBoost、XGBoost、CatBoost 和 LightGBM，研究了乳腺癌的预测和诊断，以及针对召回率、ROC-AUC 和混淆矩阵的最有效度量标准。同时使用 Optuna 进行超参数优化，利用 SHAP 方
PDF4 months ago
提高 ASD 检测准确性：结合自然语言处理的机器学习和深度学习模型的综合方法
利用人工智能（AI）诊断自闭症谱系障碍（ASD）的研究表明了其对 ASD 诊断尤其是儿童的早期发现的重要性，使用深度学习和机器学习从社交媒体的文本输入中检测 ASD，达到了 88% 的高准确率。
PDF4 months ago
基于机器学习的阿尔茨海默病智能诊断
该研究基于阿尔茨海默病神经影像计划（ADNI）数据集，旨在探讨阿尔茨海默病的早期检测和疾病进展。通过创新的数据预处理策略，包括使用随机森林算法填补缺失数据，处理异常值和无效数据，从而充分挖掘和利用有限的数据资源。通过 Spearman 相关
PDF5 months ago
优化心肌梗死检测：一种新的多模态组合核策略在单类分类中的应用
通过使用一种基于多视角心脏超声图像的一类分类算法，本研究介绍了一种新的早期心肌梗死检测方法，有效地将来自心脏超声图像数据中提取的特征转换为优化的低维度子空间，显著提高了心肌梗死检测的准确性。
PDF5 months ago
深度学习创新在糖尿病视网膜病变诊断中的应用：迁移学习和 DiaCNN 模型的潜力
通过使用深度学习和迁移学习技术，本研究提出了一种新的诊断糖尿病视网膜病变的方法，与传统的诊断方法相比，具有更高的准确性，对于早期的诊断、治疗和预防失明至关重要。
PDF5 months ago
AI 驅動的持續情緒監測器：主動式情緒跟蹤
本研究利用经过修改的预训练 BERT 模型检测社交媒体和用户的网络浏览数据中的抑郁文本，实现了令人印象深刻的 93% 测试准确率。同时，该项目旨在结合可穿戴设备（如智能手表和脑电传感器）的生理信号，提供情绪障碍和情绪状态的长期跟踪和预后，这
PDF5 months ago
面向模型校准的任务特定正则化损失用于可靠的肺癌检测
我们提出了一种新的任务特定损失函数来校准神经网络，以减少过于自信的错误，并结合多分类置信度和准确性（MDCA）损失函数，通过进行温度缩放的后校准，实现期望校准错误（ECE）的提升 5.98% 和最大校准错误（MCE）的提升 17.9%，相较
PDF5 months ago
无监督特征相关性模型预测乳房异常变异图谱的纵向乳房 X 光检查
针对乳腺异常的早期检测和准确诊断进行研究，通过使用长期观察的二维乳房 X 射线照片预测乳房异常变异，提出了一种新型的无监督特征相关网络模型，通过重建当前年份和前一年份的乳房 X 射线照片提取不同区域的组织并分析其差异，从而识别可能表明癌症存
PDF6 months ago
SCPMan：胰腺分割的形状上下文和先验约束多尺度注意网络
胰腺癌的早期准确检测和分割对于改善治疗结果至关重要。本研究提出了一种多尺度注意力网络，结合形状上下文和先验约束来实现强大的胰腺分割，通过多尺度特征提取模块和混合尺度注意力融合模块解决了模糊的胰腺边界问题，并引入形状上下文模块和主动形状模型来
PDF6 months ago
多模态神经影像注意力模型用于认知衰退预测
该研究提出了一种新的多模态神经影像关注机制的卷积神经网络结构，MNA-net，用于预测在 10 年内正常认知个体是否会发展为轻度认知障碍或阿尔茨海默病。通过使用注意机制形成 MRI 和 PET 图像的共享表示，MNA-net 在 OASIS
PDF6 months ago
基于症状的机器学习模型用于 COVID-19 的早期检测：文献综述
通过病人症状，临床数据和医疗成像的大数据集，机器学习模型能够分析预测 COVID-19，其中症状为基础的模型表现良好，但图像为基础的模型的精确度通常较高。
PDF7 months ago
难以置信的进步：为阿尔茨海默病患者的手写合成生成准备的空中运动
利用深度学习分析和识别手写字在医疗领域中的早期检测与诊断应用，通过引导式数据合成生成有利于深度学习模型训练的逼真数据，结合阿尔茨海默病的领域知识，探索了利用空中运动进行合成数据生成。
PDF7 months ago
基于算法的糖尿病视网膜病变诊断应用
描述了一种包括眼科学图像的处理和分析的自动糖尿病视网膜病变诊断方法，使用形态学算法来识别视盘和特征病变，通过神经网络和深度学习算法对眼科图像进行分析，提高疾病早期检测的效率。
PDF7 months ago