Results 1 to 10 of about 880 (116)

[A Transformer-based multimodal model for predicting hospital-acquired infections using imaging and clinical laboratory data]. [PDF]

Nan Fang Yi Ke Da Xue Xue Bao
Zhang M, Wu D, Lin J, Lü Y, Zhou L, Zhen X, Zhou H, Qin G.   +7 more
europepmc   +1 more source

O-RADS联合超声造影与ROMA z-score三分类预测卵巢上皮肿瘤

Zhongshan Daxue xuebao. Yixue kexue ban
目的基于O-RADS构建并评估融合超声造影（CEUS）及标准化z值的卵巢恶性肿瘤风险预测模型（ROMA z-score）的多参数诊断模型，以期提升对良性、交界性和恶性卵巢上皮性肿瘤（OETs）的三分类诊断准确性。方法本研究回顾性纳入2018年5月至2024年12月经病理确诊的129例卵巢上皮性肿瘤患者。收集患者临床资料（包括年龄、绝经状态、体质量指数、HE4、CA125）及超声影像资料（常规超声特征与超声造影特征）。根据病理结果将肿瘤分为良性、交界性及恶性三类。采用随机森林算法构建预测模型 ...
袁鲲, 朱晓敏, 张环宇, 黄羽君, 李清莹, 欧妍, 朱云晓   +6 more
doaj  

[Machine learning-based prediction model for caries in the first molars of 9-year-old children in Suzhou]. [PDF]

Hua Xi Kou Qiang Yi Xue Za Zhi
Chen L, Wang X, Zhu K, Ren K, Wu Z.
europepmc   +1 more source

[Establishment of a Noninvasive Diagnostic Model for Wilson Disease Using Metallomics and Machine Learning]. [PDF]

Sichuan Da Xue Xue Bao Yi Xue Ban
Zhou H, Xu H, Pan A, Tang X, Zhang J, Xie L, Li Y.   +6 more
europepmc   +1 more source

基于GJO特征量优选的AO-RF的变压器故障诊断模型

Gaoya dianqi
在变压器故障诊断过程中，进行合理的特征优选，将有助于提高诊断模型的诊断精度，为此，文中提出了一种基于金豺优化算法（golden Jackal optimization，GJO）特征量优选与AO-RF的变压器故障诊断模型。首先，采用GJO对构建的21维变压器油中溶解气体特征量进行优选；然后，根据GJO得到的特征优选结果，采用天鹰算法（aquila optimizer，AO）优化随机森林（random forest，RF）的变压器故障诊断模型对变压器故障进行诊断，并与不同特征量 ...
叶育林, 刘森, 黄松, 韩晓慧, 杜振斌, 李彬, 吕杰, 薛杨, 赵春琳   +8 more
doaj  

[Research progress in artificial intelligence for the diagnosis and management of diseases in preterm infants]. [PDF]

Zhongguo Dang Dai Er Ke Za Zhi
Yuan Y, Tang LH, Guan LR.
europepmc   +1 more source

融合临床与超声图像多模态数据的深度学习模型评估脂肪肝分级

Zhongshan Daxue xuebao. Yixue kexue ban
目的本研究旨在融合多种易获取的临床数据与二维常规超声图像，构建用于评估脂肪性肝病（SLD）不同严重程度的深度学习神经网络模型。方法回顾性收集649例行超声衰减成像（ATI）检查患者的临床数据和超声图像，以ATI作为参考标准，将患者分为正常（S0）及轻（S1）、中（S2）、重度（S3）脂肪肝4组，按8∶2比例随机划分为训练集和验证集。采用对比语言-图像预训练（CLIP）模型提取临床与图像多模态特征，并分别训练随机森林（RF）和多层感知器（MLP）模型。在验证集中对比多模态模型与单一模态的诊断性能 ...
蒙文仪, 姚欣蕊, 李任杰, 彭键清, 徐作峰   +4 more
doaj  

[A Transformer-based model using laboratory indicators efficiently differentiates ovarian cancer]. [PDF]

Nan Fang Yi Ke Da Xue Xue Bao
Tan S, Zhuo L, Zeng M, Huang F, Zhu J, Cai G, Zhen X.   +6 more
europepmc   +1 more source

[A protein-ligand binding affinity prediction model integrating multi-scale interaction features]. [PDF]

Sheng Wu Yi Xue Gong Cheng Xue Za Zhi
Liu H, Yan L, Wang S, Peng J.
europepmc   +1 more source

[MS-DTNet: an efficient model combining multi-scale convolution and dual-tower attention for detecting abnormal heart sounds]. [PDF]

Nan Fang Yi Ke Da Xue Xue Bao
Wen Y, Lu X, Wu Q, Chen H, Chen C.
europepmc   +1 more source