electronic health records | BriefGPT

关键词electronic health records

搜索结果 - 270

基于电子健康记录的移动和网络平台，利用大型多模态语言模型进行慢性疾病风险预测
利用电子健康记录和大型语言多模型，我们开发了基于电子健康记录的慢性病预测平台，该平台可以与前端网络和移动应用程序成功集成，以实现实时风险评估诊断。
PDF6 days ago
电子健康记录中非结构化笔记与结构化表格之间一致性检查数据集
为解决电子健康记录中存在的数据不一致问题，研究者开发了 EHRCon 数据集和 CheckEHR 验证框架，并利用 MIMIC-III EHR 数据集进行实验，取得了有希望的结果。
PDF8 days ago
ChatGPT 解释复杂医学报告给病人的有效性
电子病历、ChatGPT、多学科团队报告、医学语言和大型语言模型是本研究的关键词。研究发现，大型语言模型能帮助解释复杂的医学报告给患者，但存在信息不准确、语言不当、个性化有限、人工智能不信任以及将大型语言模型融入临床工作流程的挑战等问题需要
PDF9 days ago
一种大型语言模型优于其他计算方法对医生笔记的高通量表型
本研究比较了高通量表型化的三种计算方法：基于生成式人工智能的大型语言模型（LLM），利用深度学习进行跨度分类的自然语言处理（NLP）方法，以及将词向量与机器学习相结合的混合方法。采用 GPT-4（一种大型语言模型）的方法表现出卓越性能，表明
PDF12 days ago
预测扩散模型综合多模态电子健康记录
通过引入基于扩散的 EHR 数据生成模型 EHRPD 来解决电子健康记录数据生成中存在的局限性，并从真实性、隐私性和实用性的角度对其进行实验验证。
PDF12 days ago
KDDTACCO: 基于电子病历数据的疾病亚型划分的临床概念和患者访问的任务引导合并聚类
基于超图建模的 TACCO 方法，通过自监督的共聚类框架，发现临床概念和患者访问的簇类，进一步加强了电子医疗记录数据的超图模型，并通过对比目标实现了临床概念和患者访问的簇类的对齐，实验证明了 TACCO 提供了改进的效用和深入的解释。
PDF18 days ago
深度序列模型的治疗反向概率加权使得能够从电子健康记录中准确估计治疗效应
利用倒数概率处理权重的方法和深度序列模型通过渗透记录直接估计治疗效果，解决时间相关混杂对结果估计的偏差问题。
PDF19 days ago
从基础到额外特征：超图变换器在电子病历上的预训练 - 微调平衡的临床预测
我们提出了 HTP-Star，它利用超图结构和预训练再微调的框架来模拟电子健康记录数据，实现了额外特征的无缝集成，并设计了两种技术来增强模型的鲁棒性。通过在两个真实电子健康记录数据集上进行实验，我们证明了 HTP-Star 在基础特征和额外
PDF23 days ago
G-Transformer 用于时间上的条件平均潜在结果估计
给医学个性化决策做出重要贡献的研究论文，提出了一种新的神经网络模型 G-transformer，用于基于观察数据对治疗效果的时间估计，该模型能够准确、低方差地预测条件期望效果，具有迭代回归和处理电子健康档案的能力。
PDFa month ago
GAMedX: 基于大型语言模型的生成式医疗实体数据提取器
GAMedX 是一种利用大型语言模型的命名实体识别方法，通过整合开源的语言模型和用于结构化输出的 Pydantic 架构，解决了处理非结构化医疗文本的显著挑战，提高了数据提取的效率和准确性，并为自动化填写非结构化数据的问题提供了可扩展的、经
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
EHRMamba：面向电子健康记录的可推广和可扩展的基础模型
通过引入 EHRMamba 和多任务提示微调（MTF）方法，此研究提出了一种基于 Mamba 架构的稳健基础模型，该模型具有较低的计算成本和较长的上下文长度，并且能够同时学习多个临床任务，从而在电子健康记录领域取得了重大突破。
PDFa month ago
患者健康记录中临床笔记和 ICD 码的连续预测建模
通过研究，我们发现在入院后两天就可以预测最终的 ICD 代码，并且我们提出了一种定制模型，能够在这一早期预测任务上提高性能。
PDFa month ago
ACLLG AI Research & KAIST 参与 EHRSQL 2024：利用伪标记的无法回答的问题自我训练大语言模型，构建可靠的电子病历文本到 SQL 系统
通过使用伪标记的无法回答的问题，我们提出了一种自我训练策略，以提高电子健康记录（EHR）的文本转 SQL 模型的可靠性。该方法包括两阶段的训练流程，紧接着使用基于令牌熵和查询执行的过滤方法。在 EHRSQL 2024 共享任务中，我们的方法
PDFa month ago
ACLPromptMind 团队在 EHRSQL-2024 上：使用集成 LLMs 提高 SQL 生成的可靠性
使用大型语言模型（LLM）进行提示和微调的两种方法以生成 EHRSQL 查询，结果表明这些方法在准确执行和可靠性方面都表现优秀，并且集成方法通过减少错误进一步提高了生成的可靠性。这些方法可应用于强调准确性和可靠性的特定领域的文本转 SQL
PDF2 months ago
ACLEHRSQL 2024 可靠电子健康记录文本到 SQL 建模共享任务概述
电子健康档案（EHRs）是存储医院患者整个病史的关系型数据库，通过构建问答系统、利用文本到 SQL 的模型将自然语言问题转化为对应的 SQL 查询并使用这些查询检索答案，可以提供医疗专业人员所需的答案，改进其临床工作流程并满足其需求。
PDF2 months ago
ICU 血流感染预测：基于 Transformer 的电子病历分析方法
RatchetEHR 是一种基于 transformer 的框架，旨在在重症监护室环境中对电子健康记录（EHR）数据进行预测性分析，特别关注血液感染（BSI）预测。通过整合图卷积转换器（GCT）组件，RatchetEHR 能够识别 EHR
PDF2 months ago
ACL基于 LLM 的部分识别在开源方面表现出色，但在现实世界应用中遇到困难
使用大型语言模型（LLMs）对电子健康记录（EHR）中的相关章节标题进行识别，发现 GPT-4 在零和少数样本情况下均能有效解决问题，并且在分段方面表现明显优于现有方法。然而，对于一个更难的真实世界数据集，GPT-4 难以表现良好，因此需要
PDF2 months ago
提高临床试验的患者招募效率：基于提示的学习模型应用
应用基于提示的大型语言模型在临床试验中基于资格标准对患者进行分类的研究提供了有希望的分数，并提出了一种利用 SNOMED CT 本体论进行提取式摘要的方法，该方法也可以应用于其他医学文本。
PDF2 months ago
CORE-BEHRT：一种经过精心优化和严格评估的 BEHRT
通过优化 BERT 模型的关键设计选择和数据表示方式，研究表明改进数据表示方法以及架构和训练协议可以显著提高基于 BERT 的电子健康档案模型的性能，从而为未来的相关工作奠定了坚实的基础。
PDF2 months ago