icu | BriefGPT - AI 论文速递

关键词icu

搜索结果 - 19

在重症监护室使用多尺度视觉变压器，从低分辨率热视频预测护理活动评分
使用 Multiscale Vision Transformer（MViTv2）来 passively 预测 Intensive Care Unit（ICU）中的 Nursing Activities Score（NAS），以自动监控员工工
PDFa month ago
基于证据的医学高阶推荐的时间关键推理
本文提出了一种高阶推理模型，以在 ICU 中的循证医学中以时间紧迫的方式为应用提供建议。我们的系统中使用了大型语言模型（LLM）。实验结果表明，在 “What-if” 场景中，LLM 与人类医生的治疗方案相似度达到了 88.52%。在 “W
PDF2 months ago
利用选择性状态空间模型预测急性脑功能障碍状态的多队列研究
使用电子健康档案数据动态预测重症监护病房中患者的急性脑功能障碍、昏迷和死亡的研究。通过比较神经网络模型 MAMBA 和 Longformer Transformer 的预测性能，作者在 12 小时内对急性脑功能障碍的预测取得了 0.95 的
PDF4 months ago
在重症监护室 (ICU) 利用计算机视觉研究探讨探视和患者移动
利用计算机视觉系统监测重症监护病房患者的可行性和潜力。
PDF4 months ago
VAE-IF: 无监督获取常规获得的 ICU 时间序列中的深度特征提取和平均的异常检测
无需任何标签或信号特定知识，我们提出了一种新颖的无监督方法来检测临床标准分钟级分辨率 ICU 数据中的伪迹，该方法结合了变分自动编码器（VAE）和孤立森林（iForest）模型来学习特征并识别不同类型的生命体征异常，例如血压、心率和颅内压。
PDF7 months ago
DySurv: ICU 生存预测的动态深度学习模型
基于深度学习和条件变分自编码器的 DySurv 方法能够动态地利用患者电子健康记录中的静态和时间序列测量，准确地估计 ICU 中的死亡风险，并在标准基准测试中胜过大多数现有方法，表现一致且可靠。
PDF8 months ago
EMNLPICU: 通过将任务分为图像字幕和语言理解来克服视觉和语言建模中的语言障碍
通过将视觉与语言（V&L）任务分为两个阶段，ICU（图像字幕理解）将模型分为两部分：V&L 模型用英语进行图像字幕生成，然后将字幕作为交替文本，由多语言语言模型（mLM）进行跨语言语义理解。在两项任务中，我们在 IGLUE 基准测试的 9
PDF9 months ago
使用 N-BEATS 解读脓毒症患者预测的生命体征
本研究使用可解释的深度学习预测模型 N-BEATS 来预测 ICU 中脓毒症患者 3 小时的生命体征趋势，并使用公开可用的 eICU 协作研究数据库数据集对其进行评估。
PDFa year ago
MM基于真实世界生命体征数据的端到端多元时间序列聚类算法识别 ICU 患者亚组
本研究使用 MIMIC-IV 数据库作为数据来源，研究了包括温度、心率、平均血压、呼吸率和 SpO2 等动态的、高频的、多变量的时间序列生命体征数据，并比较了各种聚类算法，选择了一种名为 Time2Feat 的端到端多变量时间序列聚类系统与
PDFa year ago
FineEHR: 优化临床记录表示以提高死亡率预测
本文提出了 FINEEHR 系统，采用度量学习和微调等两种表示学习技术来优化临床记录的嵌入，以提高预测准确性。使用 MIMIC III 数据集评估 FINEEHR 的表现，结果表明两种嵌入优化方法均能提高预测准确性，同时它们的组合给出了最好
PDFa year ago
基于 Transformer 模型的急性脑功能障碍预测
本文研究利用机器学习算法和电子病历数据建立一个新的系统，用于实时预测 ICU 病人急性脑功能损伤并进行分类，包括昏迷、谵妄、死亡和正常，该系统能大幅度减少与急性脑功能损伤相关的事故，缩短 ICU 病人住院时间、减少医疗成本和病亡率。
PDFa year ago
在重症监护室中利用环境噪声和光信息预测谵妄风险
本研究使用的环境噪声和光信息成功地构建了第一个基于深度学习的重症监护室谵妄预测模型，发现环境噪声和光的强度水平是 ICU 长期谵妄的预测因子，而且白天和晚上的环境因素会以不同的方式影响谵妄。
PDFa year ago
利用大型电子健康记录数据在 ICU 中对抗精神病药物对谵妄患者影响的因果推断
该研究旨在通过使用大规模观察性数据集，利用因果推断框架构建定向图模型，探索 ICU 患者中抗精神药物对谵妄的治疗效果和安全性，结果发现 haloperidol 组的患者平均和最大住院时间更长，死亡率高于其他两组。
PDF2 years ago
应用 Transformer 集成生理时间序列和临床记录进行早期脓毒症预测
本篇研究提出了一种基于多模态 Transformer 模型的早期脓毒症预测方法，使用每位患者在 ICU 入院后 36 小时内的生理时间序列数据和临床笔记，仅利用前 12、18、24、30 和 36 小时的实验室指标、生命体征、患者特征和临床
PDF2 years ago
ICML胸部 X 光片 COVID-19 视觉特征的分层分析
通过实验验证，本研究将具有人可解释的类层次结构的放射学特征用于机器学习，然后提出了一种数据驱动的错误分析方法，以进一步提高其临床适用性。
PDF3 years ago
AAAI使用图表示学习预测患者结果
该研究提出了一种将 LSTM 和图神经网络结合使用的模型，通过利用救治过程中患者之间的关联信息，实现了对患者预后的精确预测，表现出比 LSTM 单独使用更好的效果。
PDF3 years ago
EMNLP使用临床记录和时间序列数据进行重症监护室管理
通过将临床记录作为另一种数据形式添加到机器学习模型中，可以在 ICU 管理的几项基准任务中实现显著的改进，包括住院死亡率预测、恶化建模和住院时间预测。
PDF5 years ago
RAIM: 多模态患者监测数据的循环关注和强化模型
本研究提出 Recurrent Attentive and Intensive Model (RAIM) 模型，利用连续监测数据与离散临床事件来预测 ICU 病人的生理恶化和住院天数，在 MIMIC-III Waveform Databas
PDF6 years ago
IJCAI深度学习关注 ICU 中的风险
利用长短期记忆和层次注意力机制，建立深度学习模型解决 ICU 中生理时间序列数据的不规则和缺失问题，实现对 ICU 死亡风险的预测，并在 PhysioNet 2012 数据集上取得了竞争力和可解释性的结果。
PDF7 years ago