traumatic brain injury | BriefGPT

关键词traumatic brain injury

搜索结果 - 7

创伤性脑损伤研究的综合文本和图像数据集
该研究介绍了一种名为 TBI-IT 的医学领域创伤性脑损伤的新数据集，该数据集包括电子病历和头部 CT 图像，并旨在通过提取关键内容和将图像数据进行分类注释来增强人工智能在 TBI 的诊断和治疗中的准确性。该数据集旨在成为图像分割任务和实体
PDF4 months ago
利用多变量时序聚类发现可推广的脑外伤表型
通过多变量时间序列聚类方法 SLAC-Time，作者研究了创伤性脑损伤（TBI）的动态变化以及不同年龄组对其表现和结果的影响，并发现了三种可以泛化到不同人群的 TBI 表型，分别为 α、β、γ 型，它们分别在急诊访视和重症监护期间表现出不同
PDF6 months ago
机器学习在创伤性脑损伤诊断和预后中的应用：以轻度脑损伤和 CT 成像为焦点
创伤性脑损伤（TBI）是一个全球公共卫生挑战，对医疗系统造成巨大负担，诊断和预测 TBI 依赖于临床和影像数据以及机器学习和深度学习技术的应用。这篇综述聚焦于应用机器学习和深度学习技术解决轻度 TBI 的诊断问题，探索了不同技术在不同严重程
PDF6 months ago
元转移的自监督知识：用于创伤后癫痫预测的基础模型
通过深度学习和自我监督学习相结合的训练策略，我们提出了一种基础模型来改善将正常特征推广到临床特征，以实现从创伤性脑损伤后的数据对创伤性癫痫的预测等临床任务，并在神经系统疾病分类任务和零样本学习预测创伤性癫痫的应用中验证了该策略的有效性。
PDF6 months ago
基于无监督域自适应的用于创伤性脑损伤检测的更准确、更具普适性的脑变形估计器
本文提出了一种将无监督域适应与深度神经网络整合的脑变形估计器，用于预测整个脑部的最大主应变和应变率。该模型通过 DRCA 方法明显优于其他域适应方法，可以准确估计脑变形并检测创伤性脑损伤。
PDFa year ago
一种基于自监督学习的方法用于聚类多变量时间序列数据中的缺失值 (SLAC-Time): 一种用于创伤性脑损伤表型化的应用
提供了一种名为 SLAC-Time 的自监督学习基于 Transformer 聚类多元时间序列数据的方法，该方法通过利用时间序列预测作为代理任务来学习更健壮的时间序列表示，并使用 K-means 进行聚类，实验表明，该方法在聚类 TBI 患
PDFa year ago
NIPS对抗循环一致合成脑微出血以进行数据增强
本文提出了一种新的可控病理图像合成的框架，通过使用 CycleGAN、语义掩码和对抗生成器，可以在健康图像中制造出指定区域的病理学信息，并且通过将其用于训练，可以提高颅内出血的检测性能。
PDF3 years ago