healthcare | BriefGPT - AI 论文速递

关键词healthcare

搜索结果 - 295

公共 LLMs 是否可用于医疗状况的自我诊断？
该研究探讨了大型语言模型在医疗保健领域的应用，特别是在自我诊断方面，使用 Retrieval Augmented Generation 方法显示了在自我诊断任务中性能的潜力和改善。
PDFa month ago
领域专家与人工智能协作的解释性模型引导系统
在高风险领域（如医疗保健）中，为了有效实现人工智能（AI）系统与领域专家之间的合作，我们引入了一种解释模型引导系统，允许领域专家利用其领域知识来引导预测模型。通过结合基于数据和模型的不同类型解释和手动、自动数据配置方法，该系统提供了一个解释
PDFa month ago
MM增强数据质量保证的众包方法：缓解医疗领域大型语言模型训练中资源稀缺挑战的有效途径
本研究提出了一种在低资源领域（如医疗保健）采用预处理、实时控制和数据收集后的质量控制措施来改善数据质量的众包框架，通过评估 Bio-BERT 对预测自闭症相关症状的影响，结果显示实时质量控制相较于预处理可提高数据质量 19％，尽管在精度方面
PDF2 months ago
MM利用大型语言模型生成合成数据以提高基于 BERT 的神经网络的性能
利用大型语言模型（LLMs）生成的合成观察数据，用于改善机器学习模型对于自闭症谱系障碍（ASD）诊断的准确性。通过评估 ChatGPT 和 GPT-Premium 生成的 4,200 个合成观察数据，并使用预训练于生物医学文献的 BERT
PDF2 months ago
患者叙述整合实现患者端疾病预测
通过应用个性化医疗疾病预测（PoMP），该研究利用患者的健康叙述和人口统计信息来预测疾病，使患者能够更清楚地了解自己的状况，去寻找合适的医疗专家，从而减少寻找合适医生的时间和导航医疗沟通的成本。
PDF2 months ago
PhilHumans：面向个人健康的机器学习基准测试
利用机器学习在医疗保健中的应用具有改善患者预后、扩大医疗保健的覆盖范围和可负担性的潜力。我们提出了 Personal Health Interfaces Leveraging HUman-MAchine Natural interactio
PDF2 months ago
关于金融、医疗和法律领域的大型语言模型的调查
在精密型行业中，通过对大型语言模型的调查，本文详细探讨了这些模型的方法、应用、挑战和未来机遇，并强调了大型语言模型在医疗保健、金融和法律领域中提高诊断和治疗方法、创新金融分析和完善法律解释和遵从策略方面的重要作用。此外，我们还对这些领域中大
PDF2 months ago
M3H：面向医疗保健的多模态多任务机器学习
AI 在医疗领域取得的最新突破有望从根本上提升我们对医疗的研究和理解。在这项工作中，我们介绍了 M3H 框架，它是一个可解释的多模态多任务医疗机器学习框架，能够从不同的多模态输入中学习，适用于各种医疗任务和机器学习问题类别，同时提供了有关任
PDF2 months ago
关于数据异构性对联邦学习环境的影响及其在医疗网络中的应用
本研究探索了医疗数据领域中联邦学习的数学形式化和异质性分类，重点检验了最流行的联邦学习算法在处理基于数量、特征和标签分布的异质性方面的能力，并基于这些挑战对七种常见的联邦学习算法进行了性能评估。研究目标是通过一组由不同的联邦医院数据集收集的
PDF2 months ago
评估 ChatGPT 在门诊分诊指导中的应用：一项比较研究
评估 ChatGPT 在门诊指导中提供的回复一致性，包括版本内回复分析和版本间比较，结果表明 ChatGPT-4.0 的内部回复一致性显著高于 ChatGPT-3.5，并且两者的最佳推荐都具有中等一致性。然而，版本间的一致性相对较低，指示两
PDF2 months ago
医疗领域中的大型语言模型：一项综合基准评估
评估医疗领域中多样化的大型语言模型在七个任务和十三个数据集上的综合性能
PDF2 months ago
Hippocrates：医疗领域大型语言模型的开源框架
医疗领域的大型语言模型的集成将转变医学诊断、研究和患者护理，Hippocrates 是一个开源 LLM 框架，通过无限制地提供训练数据集、代码、检查点和评估协议来促进协作研究，解锁 LLM 的全部潜力，并使其在全球范围内享有人工智能研究的好
PDF2 months ago
时序聚类 —— 应用于护理路径分析
通过对患者数据的时间序列进行聚类算法，发现和理解医院中的典型护理路径，从而改进未来的医疗实践。本研究将时间序列的两种方法应用到聚类算法中，并通过实验评估在合成和真实应用案例上的效果。
PDF2 months ago
MedDr: 诊断引导下的大规模医学视觉语言学习
利用诊断指导的引导策略和图像与标签信息，构建视觉 - 语言数据集，从而开发了一个通用的医疗基础模型 MedDr，能够处理多样化的医疗数据模态，包括放射学、病理学、皮肤科、眼底摄影和内窥镜检查，并提出了一种简单而有效的检索增强医学诊断策略，提
PDF2 months ago
超越自我一致性：集成推理提升癌症分期中 LLMs 的一致性和准确性
通过使用开放式临床大型语言模型从实际病理报告中确定病理癌症分期，我们提出了一种集成推理方法，以改善模型生成的一致性和性能，从而展示了在可靠性和可信度至关重要的临床或其他领域中使用这些模型的潜力。
PDF2 months ago
您会信任 AI 医生吗？通过核病虫害不确定性建立可靠的医疗预测
该论文介绍了一种解决人工智能在医疗领域中不可信和数据有限性的挑战的新方法，提出了一种基于贝叶斯蒙特卡洛 Dropout 模型和核模型的方法。该模型旨在提高对小型医疗数据集的可靠性，这是阻碍人工智能在医疗领域广泛应用的关键障碍。通过利用现有的
PDF3 months ago
用户生成的药物评论的情感分析使用机器学习技术
通过使用 BERT、SciBERT 和 BioBERT 等预训练语言模型，本研究提出了一种药物评论分类系统，该系统可以将用户对特定药物的评论分为积极、消极和中性等不同类别，以分析人们对不同药物的情绪反馈。
PDF3 months ago
通过 LLM 增强临床效率：心脏患者出院记录生成
通过使用人工智能（AI）技术，特别是大型语言模型（LLM），本研究直接解决了手动创建出院记录的低效性和不准确性问题，特别针对心脏病患者，评估了 LLM 在提高文档处理的能力方面的可行性，并证实了 Mistral-7B 的出色表现，可以通过生
PDF3 months ago
可解释的公平框架：物质使用障碍治疗结束预测
发展和部署可解释模型对提高其可信度和采用率至关重要，本研究旨在开发和实施一个同时解决公平性和可解释性问题的框架，通过优化性能建立模型，采用处理中的方法减轻模型对种族和性别等敏感属性的偏见，进而通过探索特征重要性的变化来探索和可视化模型变化的
PDF3 months ago
推进医疗保健的基础模型：挑战、机遇和未来发展方向
基于现有数据进行预训练的基础模型在促进医疗卫生事业中发挥着积极作用，它打破了有限人工智能模型与多样化医疗实践之间的矛盾，提供了更广泛的医疗场景，从而改善智能医疗服务。本文对基础模型的挑战、机遇和未来发展方向进行了全面深入的调研和探讨，以期加
PDF3 months ago