PulseAugur
中
实时 13:50:39
English(EN) Curation of a Cardiology Interface Terminology for Highlighting Electronic Health Records using Machine Learning

机器学习辅助心脏病学电子健康记录术语提取

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种机器学习技术，用于创建心脏病学接口术语（CIT），以更好地突出电子健康记录（EHRs）中的细节。该方法包括三个阶段：首先从现有的心脏病学术语和电子健康记录中提取训练数据。然后，在此数据上训练机器学习模型，以识别和提取更多概念，最终生成最终的CIT，从而突出心脏病学患者记录中的关键信息。该系统在未见过的数据集上实现了74.21%的覆盖率和98.2%的平均完整性。 AI

影响 这种方法可以通过自动化从医疗记录中提取关键信息来提高临床数据分析的效率和准确性。

排序理由 该集群包含一篇详细介绍特定领域新颖机器学习技术的学术论文。

在 arXiv cs.AI 阅读 →

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

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Mahshad Koohi Habibi Dehkordi, Shuxin Zhou, Yehoshua Perl, Fadi P. Deek, James Geller, Gai Elhanan, Andrew J. Einstein, Luke Lindemann, Vipina K. Keloth ·

    利用机器学习对心脏病学接口术语进行策展，以突出电子健康记录

    arXiv:2606.08311v1 Announce Type: new Abstract: Electronic health record (EHR) notes are dense medical documents containing large amounts of information, often filled with complex medical jargon. Highlighting all details in EHRs helps reduce the likelihood of missing crucial info…

  2. arXiv cs.AI TIER_1 English(EN) · Vipina K. Keloth ·

    利用机器学习对心脏病学接口术语进行策展，以突出电子健康记录

    Electronic health record (EHR) notes are dense medical documents containing large amounts of information, often filled with complex medical jargon. Highlighting all details in EHRs helps reduce the likelihood of missing crucial information by drawing attention to key content. Thi…

相关实体

相关话题