mortality prediction | BriefGPT

关键词mortality prediction

搜索结果 - 30

基于计算机断层扫描血管造影和临床数据的肺栓塞死亡率预测
通过使用 CTPA 成像、临床数据和 PE 严重指数（PESI）评分来预测 PE 的死亡率，研究采用深度学习模型来预测 PE 的死亡率，并将疾病相关的成像特征和 / 或临床变量纳入 DL 模型中进行预测，结果表明多组学 DL 模型在 PE
PDFa month ago
朝向精准医疗：时序和图像数据的稳健融合
利用多模态数据，特别是医学实验的图像和时间序列数据，提出一种新的方法来改进临床应用中的多模态深度学习，在预测死亡率和表型分型等重要领域中取得了有效的结果，同时克服了噪声和不平衡数据集的挑战，并采用不确定性模型和注意力机制，提高了模型的性能和
PDFa month ago
常见随机神经网络在可靠临床决策支持方面的不足
采用 AI 进行医疗决策仍面临伦理和安全方面的问题。研究表明常用的深度学习方法对数据漂移过于自信，却未能在临床应用中可靠地识别异常样本，暴露了其可靠性不足的问题。存在着更加严格或内生于已知数据点的方法的需求，例如使用基于核的技术。
PDF5 months ago
患者风险进展建模的时间监督对比学习
我们提出了一种监督对比学习框架，通过学习每个时间步长的患者时间序列的嵌入表示来预测患者在随着观察到更多患者数据的过程中感兴趣结果的可能性变化。我们的方法在预测败血症患者的死亡率（MIMIC-III 数据集）和追踪认知障碍的进展（ADNI 数
PDF7 months ago
部署一个可靠且可解释的死亡预测模型：COVID-19 疫情与未来
本研究探讨了在 COVID-19 疫情期间以及疫情过去后，使用人工智能模型预测死亡率的性能、可解释性和鲁棒性。作为首个这样的研究，我们发现贝叶斯神经网络（BNNs）和智能训练技术使我们的模型能够在数据变动明显的情况下保持性能。我们的结果强调
PDF7 months ago
危重病患的快速且可解释的死亡风险评分
使用现代可解释的机器学习技术设计准确可解释的死亡风险评分模型，通过评估医疗中心的风险，研究领域的泛化性，并开发了一种新的算法 GroupFasterRisk，其风险评分模型在设计灵活性上比黑盒机器学习模型优于传统风险评分模型。
PDF7 months ago
APRICOT: ICU 中的敏感度预测：预测稳定性，转变和维持生命的治疗措施
通过 APRICOT 模型基于 Transformer 的神经网络可以实时预测 ICU 患者的病情，包括预测生命维持疗法的需求，为临床医生提供及时干预的重要信息。
PDF8 months ago
利用聚合的大型语言模型集合保留长期临床文本的知识
利用聚合集成的大型语言模型的新方法，能够保留长篇临床文本的知识，改善大型语言模型在处理长篇输入和多样化数据集时的性能，并在预测临床结果方面取得了比基线、集成和聚合方法更好的结果。
PDF8 months ago
动态多模态信息瓶颈的多模态分类
利用多模态数据，在医学诊断和预测任务中有效利用各种图像、实验室测试和临床信息的人工智能技术正在发展。本研究通过研究现有方法对数据冗余和噪声的鲁棒性，提出了一种广义的动态多模态信息瓶颈框架，用于获得稳健的融合特征表示。通过大量实验证明，我们的
PDF8 months ago
利用电子健康记录自动预测精神疾病患者的死亡
使用预测性机器学习模型和电子健康记录来预测心理诊断患者的死亡率所带来的持久挑战，机器学习算法（逻辑回归、随机森林、支持向量机和 k 近邻）的结果表明随机森林和支持向量机模型优于其他模型，AUC 得分为 0.911，药物处方，尤其是硫酸吗啡在
PDF8 months ago
增强心力衰竭患者的死亡预测：探索不平衡临床数据集的预处理方法
通过使用合适的预处理技术和机器学习算法，研究在预测心力衰竭患者的死亡率方面对不平衡的临床数据集进行预处理的方法，以提高预测性能。研究结果表明，相比树模型，尤其是随机森林（RF）和 XGBoost（XGB），在 F1 评分和 MCC 上平均提
PDF9 months ago
利用原型患者表征借助特征缺失感知校准来缓解电子病历数据稀疏性问题
通过间接插补和特征可信度学习，我们的研究提出了一种改进的电子健康记录 (Electronic Health Record) 预测模型，能够更准确地预测住院病人的死亡情况，此模型在 MIMIC-III 和 MIMIC-IV 数据集上实验证明优
PDF10 months ago
基于混合抽样方法和基于树的分类器的失衡结直肠癌数据集的存活预测
通过使用临床数据集，该研究论文着重于开发预测结直肠癌患者 1 年、3 年和 5 年生存率的算法，特别关注高度不平衡的 1 年生存率预测任务，使用多种标准平衡技术创建一种方法以提高真阳性率，从而显著提高了少数类结直肠癌患者的死亡预测能力。
PDF10 months ago
基于初始 CT 扫描的深度学习模型增强颅内出血患者死亡率预测
使用基于卷积神经网络的算法通过处理初始 CT 扫描图像，能够以高准确度预测蛛网膜下腔出血患者的死亡率。
PDF10 months ago
使用注意力机制解释基于电子病历的死亡风险预测任务：以出血性中风为例的案例研究
使用解释性、基于注意力机制的变换器模型以及 Shapley 值和注意力得分对早期中风死亡风险进行预测，评估和解释模型的性能，提供特征重要性派生自模型。
PDFa year ago
人类言语，人工智能聆听：电子病历中污名化语言如何影响人工智能表现
本研究旨在探究电子健康记录中有辱人格言语对基于 Transformer 的深度学习模型和可解释性人工智能技术的死亡预测的影响，结果发现删去由核心临床医生填写的有辱人格言语是减少人工智能模型中的种族偏见的更有效策略。
PDFa year ago
XMI-ICU: ICU 中心特定心脏病患者假动态死亡率可解释的机器学习预测模型
本研究利用回溯检验提取的两个队列，发展了一种新的伪动态机器学习框架，用于重症监护病房的死亡预测，实现了可解释性和临床风险分析，并成功地结合了时间序列生理测量技术，从而能够提供时间分辨率的解释结果。
PDFa year ago
使用统一多模态数据嵌入和模态感知注意力学习缺失模态的电子健康记录
本研究提出一种统一的多模态集合嵌入和具有跳过瓶颈的模态感知注意力（MAA），在 MIMIC-IV 数据集上预测死亡率、血管加压素需求和气管插管需求中，该模型优于其他基线模型，无需单独的补偿模块或易错的向前传递。
PDFa year ago
自适应特征重要性校准的腹膜透析患者死亡率预测：基于真实世界纵向随访数据的深度学习研究
我们开发了一个即时、个性化和可解释的死亡预测模型 - AICare，该模型使用电子病历等随访数据，能够明确识别每个患者的关键特征，进而建立健康状态嵌入模型，并在包括腹膜透析和血液透析等临床数据预测任务中达到了良好的预测效果。
PDFa year ago
临床语言理解评估（CLUE）
本文介绍了 Clinical Language Understanding Evaluation (CLUE) 基准测试，它通过提供一组基于 MIMIC 数据的四个临床语言理解任务、标准的训练、开发、验证和测试集，以及一个软件工具包去解决临
PDF2 years ago