mortality prediction | BriefGPT

关键词mortality prediction

搜索结果 - 30

多模态转换器：将临床记录与结构化电子病历数据融合，可解释的住院死亡率预测
本论文提出一个新型的多模态变压器，用于融合医疗记录数据和医生的述职记录来预测住院死亡率，并使用可视化方法展示关键的医疗记录和医疗数据特征，进而提高了诊断的可解释性和预测的精度。
PDF2 years ago
AutoMap: 临床预测模型部署的自动医疗编码映射
本篇研究提出了一种名为 AutoMap 的深度学习模型，用于自动将医学编码系统映射到医院的电子健康记录系统中，其精度亦得到良好的验证。
PDF2 years ago
ICML基于概率的自解释神经网络用于重症监护室死亡预测
本研究提出了一种基于专家知识的临床概念或中间特征作为解释单元的自我解释深度学习框架，并在公开的电子健康记录数据集上进行了实验。实验结果表明，该模型的解释性组件不会影响预测性能，并且模型生成的解释可以为医生提供了解病人死亡原因的洞见。
PDF3 years ago
自监督变压器用于稀疏和不规则采样的多元临床时间序列
提出了一种基于自监督变压器的多元时间序列数据建模方法，使用连续值嵌入技术对连续时间和变量值进行编码，避免了聚合或插值旧方法带来的问题，并利用自监督学习处理有限标记数据情况下的预测问题。在真实的多元临床时间序列基准数据集上进行了实验证明该方法
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
KDD癌症中心患者实验室检测代码嵌入表示的评估
通过对 80000 名癌症中心病人的电子病历中的 LOINC 代码进行 Word2Vec 和 GloVe 的嵌入表示训练，研究了实验室检测结果在电子健康档案中的重要作用及其对死亡预测的影响，同时探讨了等级性属性的保留问题。
PDF5 years ago
利用深度学习改进临终关怀
该研究使用深度学习和电子病历数据解决医师判断与实际治疗不符的问题，自动评估患者以预测死亡率，从而及时引导患者到姑息治疗服务，提高住院患者的临终护理水平。
PDF7 years ago
结合 LSTM 与潜在主题模型进行死亡率预测
使用 LSTM 和潜在主题模型相结合的神经网络架构，对严重病患的病历文本进行分类预测和死亡的主题学习，该模型有效提高了死亡预测的准确性。
PDF7 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
用神经文档嵌入对重症监护病房患者死亡风险进行预测
本研究基于临床笔记的非结构化文本内容提出了一种自动死亡预测方案，通过卷积文档嵌入方法，相较于以往的潜在主题分布或通用的 doc2vec 嵌入方法，我们在 MIMIC-III 重症监护数据库上的实证研究表明获得了显著的性能提升，尤其是在术后死
PDF8 years ago