PulseAugur
中
实时 08:27:42
English(EN) Enhance the after-discharge mortality rate prediction via learning from the medical notes

机器学习模型利用病历记录改进患者死亡率预测

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种具有池化机制的新型深度神经网络（DNN）模型，以提高对患者出院后死亡率的预测能力。该模型利用通常存在数据质量挑战的非结构化病历记录来提高预测准确性。实验表明，整合这些记录中的信息通常可将AUC-ROC提高0.1，并且所提出的DNN模型在各种出院后时间段内比传统机器学习模型提高了2%至14%。 AI

影响 引入了一种新颖的DNN方法，用于从杂乱的医疗文本中提取见解，以改进患者预后预测。

排序理由 这是一篇研究论文，详细介绍了一个新模型及其在特定任务上的性能。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

机器学习模型利用病历记录改进患者死亡率预测

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Zijiang Yang ·

    Enhance the after-discharge mortality rate prediction via learning from the medical notes

    arXiv:2605.03560v1 Announce Type: new Abstract: With the increase of the Electronic Health Records (EHR) data, more and more researchers are developing machine learning models to learn from the medical notes. These unstructured text data pose significant challenges on the learnin…

  2. arXiv cs.LG TIER_1 English(EN) · Zijiang Yang ·

    Enhance the after-discharge mortality rate prediction via learning from the medical notes

    With the increase of the Electronic Health Records (EHR) data, more and more researchers are developing machine learning models to learn from the medical notes. These unstructured text data pose significant challenges on the learning process as the quality of data is low. These d…

相关实体

相关话题