Combining chest X-rays and electronic health record (EHR) data using machine learning to diagnose acute respiratory failure
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、cs.LG
科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、cs.LG
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、eess.IV
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、eess.IV
Comments extension of RSNA 2020 report "Consistent and Coherent Computer-Aided Knee Osteoarthritis Assessment from Plain Radiographs"
专题命中 临床大模型 :diagnosis(abstract);分类 cs.LG、eess.IV
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、eess.IV
Comments 14 pages, Accepted to 15th International Symposium on Visual Computing 2020
专题命中 临床大模型 :diagnosis(abstract);分类 cs.LG、eess.SP
Comments Accepted at Advances in Neural Information Processing Systems (NeurIPS) 2021
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、eess.IV
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、cs.LG
Comments 5 pages, 3 figures, 1 table
专题命中 临床大模型 :diagnosis(abstract);分类 cs.LG、eess.SP
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、cs.LG
Comments 32 pages, 9 figures, 12 tables, MLHC 2020
专题命中 临床大模型 :radiology(abstract);分类 cs.LG、eess.SP
Comments 8 pages, 2 figures
专题命中 临床大模型 :medical image(abstract);分类 cs.CV、cs.LG
Comments 4 pages, 4 figures,Spotlight Talk at KDD 2020 - Applied Data Science for Healthcare Workshop & presented at ICML 2020: Uncertainty and Robustness in Deep Learning
专题命中 临床大模型 :diagnosis(abstract);分类 cs.LG、eess.SP
专题命中 临床大模型 :pathology(abstract);分类 cs.CV、eess.IV
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、eess.IV
Comments To be published in CVWW 2020 proceedings
Journal ref 25th Computer Vision Winter Workshop, 2020
专题命中 临床大模型 :biomedical(abstract);分类 cs.LG、eess.SP
Comments 8 pages, 3 figures. RESEARCH LETTERS/SHORT REPORTS
Journal ref Applied Medical Informatics 41 (1), 1-8, 2019
专题命中 临床大模型 :pathology(abstract);分类 cs.CV、eess.IV
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、eess.IV
Comments 6 pages
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、cs.LG
专题命中 临床大模型 :CT(abstract);分类 cs.CV、cs.LG
Comments 17 pages, 7 figures, 3 tables, 39 references
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV、cs.LG
Comments 9 pages
Journal ref Proceedings of the Sixth International Conference on Industrial and Engineering Applications of Artificial Intelligence and Expert Systems, Edinburgh, Scotland, (1993), 268-276
专题命中 临床大模型 :diagnosis(abstract);分类 cs.LG;biomedical(comments)
Comments 23 pages, 4 figures, in review at Journal of Biomedical Signal Processing and Control
专题命中 临床大模型 :diagnosis(abstract);分类 cs.LG;healthcare AI(comments)
Comments Keywords: synthetic electronic health records, conditional denoising diffusion probabilistic model, healthcare AI, tabular data, fairness, synthetic data. This paper is the result of work completed at the 2023 Emory University Department of Mathematics REU/RET program under the direction of Project Advisor Dr. Xi Yuanzhe. This work is sponsored by NSF DMS 2051019
专题命中 临床大模型 :biomedical(abstract,comments);分类 cs.LG
Comments Accepted on IEEE Biomedical Circuits and Systems (BioCAS) 2023
专题命中 临床大模型 :diagnosis(abstract);分类 cs.CV;biomedical(journal_ref)
Comments 10 pages, 7 figures
Journal ref IEEE journal of biomedical and health informatics 2019
具有分块缺失值的多模态堆叠及其在预测免疫治疗耐药性的PIONeeR生物标志物研究中的应用
机构 * Inria – Inserm team COMPO, COMPutational pharmacology and clinical Oncology, Centre Inria Sophia Antipolis - Méditerranée, Centre de Recherches en Cancérologie de Marseille, Inserm U1068, CNRS UMR7258, Institut Paoli-Calmettes, Pharmacy faculty, Aix-Marseille University(Inria - Inserm COMPO团队,计算药理学和临床肿瘤学,Inria Sophia Antipolis -地中海, Marseille癌症研究中心,Inserm U1068,CNRS UMR7258,Paoli-Calmettes研究所,药学系,Aix-Marseille大学) ; Veracyte SAS, Marseille, France(Veracyte SAS,法国马赛) ; Assistance Publique-Hôpitaux de Marseille (APHM), Marseille, France(马赛公共医院(APHM),法国马赛) ; Toulouse University Hospital, Toulouse, France(图卢兹大学医院,法国图卢兹) ; Centre Leon Berard, Lyon, France(Leon Berard中心,法国里昂) ; Innate Pharma, Marseille, France(Innate Pharma,法国马赛) ; Université Paris Saclay, Gustave Roussy, Inserm, Prédicteurs Moléculaires et nouvelles cibles en oncologie (U981), F-94805, Villejuif, France(巴黎萨克雷大学,Gustave Roussy,Inserm,分子预测与肿瘤学新靶点(U981),法国维尔若,F-94805)
专题命中 临床大模型 :biomedical(abstract);分类 cs.LG、q-bio
AI总结 提出多模态堆叠框架MSB,通过独立建模各模态特征并利用交叉验证堆叠元学习器聚合预测,解决高维和分块缺失问题,在PIONeeR研究中预测非小细胞肺癌免疫治疗无进展生存期,性能优于基线算法。
学习正常表示以血清生物标志物
机构 * Department of Biomedical Informatics, Harvard Medical School(哈佛医学院生物医学信息学系) ; Department of Systems Biology, Harvard Medical School(哈佛医学院系统生物学系) ; Department of Medicine, Brigham and Women’s Hospital(布里洛妇产科医院医学系) ; Department of Mathematics, Johns Hopkins University(约翰霍普金斯大学数学系) ; Computational Health Informatics Program (CHIP), Boston Children’s Hospital(波士顿儿童医院计算健康信息学计划) ; The Ivan and Francesca Berkowitz Family Living Laboratory Collaboration at Harvard Medical School and Clalit Research Institute(哈佛医学院伊万和弗rancesca伯克伍德家庭生活实验室合作项目及克劳斯研究机构) ; Clalit Research Institute, Innovation Division, Clalit Health Services(克劳斯研究机构创新部门,克劳斯健康服务) ; Faculty of Computer and Information Science, Ben Gurion University(本· Gurion大学计算机与信息科学系)
专题命中 临床大模型 :diagnosis(abstract);分类 cs.LG、q-bio
AI总结 该研究提出NORMA框架,通过结合患者历史和人口水平数据生成更精确的参考区间,以改善血清生物标志物的个性化解读,避免过度个性化导致的误诊风险。
少样本大语言模型在在线患者咨询可操作分诊中的应用
机构 * seas.upenn.edu(宾夕法尼亚大学塞as学院)
专题命中 临床大模型 :biomedical(abstract);分类 cs.LG、q-bio
AI总结 本文研究少样本条件下大语言模型在在线患者咨询分诊中的应用,通过构建不同数据集比较TF-IDF和BioBERT与六个LLM在0-shot、4-shot和12-shot条件下的表现,发现Claude Haiku 4.5在12-shot条件下达到0.475的宏F1值,优于监督基线模型。
Comments 4 figures, 19 tables, 23 pages (including appendix and reference)
寻找脑部疾病的生物标志物:超越队列比较
机构 * Science For Life Laboratory(生命科学实验室)
专题命中 临床大模型 :diagnosis(abstract);分类 cs.LG、q-bio
AI总结 本文提出通过多模态和纵向脑数据指导分组,以定义多维生物标志物,而非依赖单一数据类型的队列比较。
机构 * Standard Model Biomedicine(标准模型生物医学) ; University of California, San Diego(加州大学圣地亚哥分校)
专题命中 临床大模型 :diagnosis(abstract);分类 cs.LG、q-bio