Automatische Erweiterung des mehrsprachigen Verbrauchervokabulars im Gesundheitswesen durch Worteinbettung aus vergleichbaren nutzergenerierten Inhalten
Durch die Ausrichtung monolingualer Worteinbettungsräume in einen mehrsprachigen Worteinbettungsraum können semantisch ähnliche Wörter über Sprachgrenzen hinweg identifiziert werden, um das Verbrauchervokabular im Gesundheitswesen über Sprachen hinweg zu erweitern.
Co-Konstruktion eines dynamischen zeitlichen Visualisierungstools in der elektronischen Patientenakte
Die Anwendung akademischer Empfehlungen zur Nutzerbeteiligung und Mensch-Computer-Interaktion hat unsere Fähigkeit, die Bedürfnisse der Nutzer zu erfüllen, erheblich verbessert.
MixEHR-SurG: Ein Modell zur Vorhersage von Mortalität aus elektronischen Gesundheitsakten
Integriertes Modell MixEHR-SurG zur Vorhersage von Mortalität aus elektronischen Gesundheitsakten.
Automatisiertes Multi-Task-Lernen zur gemeinsamen Krankheitsvorhersage in elektronischen Gesundheitsakten
Automatisiertes Multi-Task-Lernen verbessert die Krankheitsvorhersage in elektronischen Gesundheitsakten durch Reduzierung menschlicher Interventionen.
Dynamische Einbettung und Tokenisierung von multimodalen elektronischen Gesundheitsakten mit zeitlicher Kreuz-Aufmerksamkeit
Ein dynamisches Einbettungs- und Tokenisierungsschema mit zeitlicher Kreuz-Aufmerksamkeit für die präzise Darstellung von multimodalen klinischen Zeitreihen.
Methoden zur Generierung und Bewertung synthetischer longitudinaler Patientendaten: Eine systematische Überprüfung
Keine der 17 identifizierten Methoden konnte alle Herausforderungen der longitudinalen Datenerzeugung gleichzeitig bewältigen, was die Notwendigkeit fortlaufender methodologischer Forschung unterstreicht.
Verbesserung der Genauigkeit bei der Erkennung von ASD
Künstliche Intelligenz kann die Genauigkeit der ASD-Erkennung verbessern, insbesondere durch den Einsatz von maschinellem Lernen und tiefem Lernen in Verbindung mit natürlicher Sprachverarbeitung.
Analyse der Verwendung großer Sprachmodelle zur Erkennung aufkommender Meinungen in Online-Gesundheitsdiskursen
Große Sprachmodelle sind effektiv für die Erkennung aufkommender Meinungen in Online-Gesundheitsdiskursen.
Große Sprachmodelle zur Identifizierung sozialer Determinanten von Gesundheit in elektronischen Gesundheitsakten
Große Sprachmodelle können effektiv soziale Determinanten von Gesundheit aus klinischen Notizen extrahieren und bieten Potenzial für verbesserte Datenerfassung.
Möglichkeiten und Herausforderungen bei der Extraktion von Beweisen aus EHRs mit LLMs
Die Verwendung von LLMs zur Extraktion und Zusammenfassung von Beweisen aus EHRs bietet vielversprechende Möglichkeiten, birgt jedoch auch Herausforderungen wie Halluzinationen.
© 2024 by Linnk AI