risk factors | BriefGPT - AI 论文速递

关键词risk factors

搜索结果 - 20

利用贝叶斯网络结构学习研究败血症潜在原因
通过结合临床专业知识与基于评分、基于约束和混合结构学习算法，该研究研究了可能受政策决策影响的败血症潜在原因的潜在因果结构，并发现慢阻肺、酒精依赖和糖尿病等风险因素的存在会增加患者患败血症的可能性，从而对政策具有潜在影响。通过评估模型在预测败
PDF21 days ago
利用自然语言处理从外科病理报告中提取和分类乳头状甲状腺癌特征
ThyroPath 是一个基于规则的自然语言处理（NLP）流水线，可以自动提取和分类甲状腺癌病理报告的风险因素，并显示了在大规模上操作的潜力，并在人工提取病理信息方面实现了 100% 的准确性。
PDFa month ago
定价灾难债券 —— 概率式机器学习方法
本研究提出了一种基于概率机器学习的方法来定价首次市场的灾难债券。该方法将基于机器学习的预测模型与创新算法 Conformal Prediction 相结合，为灾难债券价格生成无分布偏差的概率预测。使用 1999 年 1 月至 2021 年
PDF3 months ago
支持新生儿科医生在产房中的教育工具
通过机器学习方法，本文识别了风险因素及其对出生事件的影响，旨在设计一个用户友好的移动应用程序，以提高高风险患者的识别率和适当干预的计划。
PDF4 months ago
在实际数据中识别与阿尔茨海默病及相关痴呆相关的因素的可行性
通过回顾现有的荟萃分析和综述文章，本研究总结了 AD/ADRD 的风险因素，总共提取了 537 项研究中的 10 个类别的 477 个风险因素，并构建了一个交互式的知识图谱来传播研究结果。
PDF5 months ago
用疾病轨迹图表示基于结果驱动的高阶依赖关系
通过将机器学习技术应用于生物医学数据，我们提出了一种方法，能够在图中准确编码给定结果的风险因素组合，并且相较于其他方法，这种网络编码了关于 2 型糖尿病向多种结果的进展更多的信息。
PDF6 months ago
理解孕妇和胎儿结果的风险因素的可解释预测模型
使用可解释性增强学习机（EBM）进行预测和风险因素的识别，可以改善孕期并发症的预测和预防，提高临床应用的潜力。
PDF9 months ago
人工智能潜力与认知：从人工智能与网络安全合作的视角发表的一篇立场文件
人工智能在网络安全领域的潜力以及人工智能与人类合作的风险因素、伦理和法律问题等方面进行了深入探讨，强调了将人类专家的专业知识与人工智能的计算能力相结合以改善网络防御的重要性。
PDF9 months ago
识别 COVID-19 后精神健康障碍的风险因素：机器学习视角
利用机器学习技术识别与 COVID-19 后心理健康障碍相关的风险因素，结果显示年龄、性别、居住地区、合并症和 COVID-19 病情严重程度是影响 COVID-19 后患者心理健康障碍发生的重要因素，并且心理社会因素如社会支持、应对策略和
PDF9 months ago
通过关联分析量化和归因大型语言模型的幻觉
通过结合幻觉水平量化和幻觉原因调查的关联分析，我们能够观察到每个风险因素的每个值下的幻觉水平，检查每个风险因素的贡献和统计显著性，同时排除其他因素的混淆效应，进一步揭示大型语言模型中常识记忆、关系推理和指令遵循等潜在缺陷，为预训练和监督微调
PDF10 months ago
使用梯度提升方法开发和外部验证的肺癌风险评估工具
通过机器学习工具，结合肺癌风险因素和临床数据，本研究旨在提供一个估计五年内肺癌发生可能性的自由可用网络应用，以促进早期发现和预防策略，降低肺癌相关死亡率。
PDF10 months ago
基于 KNN 的 LASSO 方法应用于健康结果研究中的区域分位数的变系数分析
我们提出了一个新颖的框架来动态建模健康结果与风险因素之间的关联，通过使用变系数（VC）区域分位数回归方法和 K 最近邻融合拉索方法来捕捉年龄的时变效应。我们的经验结果证明了该方法在捕捉健康结果与风险因素之间复杂的年龄依赖关联方面的有效性。
PDFa year ago
使用随机效应机器学习算法识别抑郁易感性
通过使用机器学习方法来确定可以最好地识别处于抑郁症高风险亚组的变量，本研究阐明了重复效应 / 期望最大化（RE-EM）树和混合效应随机森林（MERF）等数据驱动的机器学习（ML）方法可靠性地预测未来和现在的抑郁症状，并已确定哀愁、负性生活事
PDFa year ago
在缺失数据情况下预测血压：使用 NHANES 进行缺失数据模式和插补方法分析
本研究旨在以 NHANES 数据集为基础，通过模拟缺失数据的模式，分析填补缺失值的方法，并应用这些方法来创建一个完整的数据集，然后使用普通最小二乘法来预测血压与饮食和身体活动的关系。
PDFa year ago
基于深度学习的肺癌风险因素人工智能预测
本研究旨在利用深度学习方法（卷积神经网络）开发一个能够高度准确地检测肺癌的模型，并比较其准确率和损失值。研究结果表明，该模型能够在现实世界中使用，对于肺癌的早期检测十分重要，鳞状细胞癌、正常细胞癌、腺癌和大细胞癌是最重要的风险因素。
PDFa year ago
Style Miner：利用约束强化学习在时间序列中查找显著且稳定的解释因素
本文介绍了一种基于强化学习的方法，称为 Style Miner，用于生成低维度风格因子，能够在金融和气候变化等领域中提高 R-squared 指数达到 10% 左右的准确度。
PDFa year ago
基于不平衡医疗数据的机器学习性能分析来预测中风
本文探讨了卒中的潜在风险因素，比较了四种不同的方法以提高不平衡的卒中数据集的分类性能，并发现对于大规模严重失衡数据集，SMOTE 和 PCA-Kmeans 与 DNN-Focal Loss 表现最佳。
PDF2 years ago
当前和短期 AI 作为潜在的存在风险因素
探讨人工智能对社会政治和人类作为一个整体的影响，提出存在某些已记录的 AI 影响可以成为存在风险因素，强调 AI 对权力动态和信息安全的影响，揭示了 AI 系统对不存在假设未来 AI 能力的存在风险的因果路径。
PDF2 years ago
KDD利用可解释机器学习预测母婴结局
使用可解释的 Boosting Machine 模型研究严重孕产妇病、肩难产和早发型先兆子痫等并发症的重要风险因素，以较高准确度代替传统的黑盒机器学习方法，改善孕妇和婴儿的预后。
PDF2 years ago
建立和使用个人知识图谱以提高社交媒体上自杀意向检测的精准性
利用深度神经网络构建高级自杀意向知识图谱，并设计两层注意力机制，通过分析社交媒体上的帖子和个别特征因素，识别出自杀意向风险因素，达到 93% 以上的准确率。
PDF4 years ago