.png){kind=icon}
返回
AI-Powered Stroke Diagnosis System: Methodological Framework and Implementation
.png){kind=icon}
OA
AI
DOI：10.3390/fi17050204.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究介绍了一个基于AI的卒中诊断框架，该框架融合了临床数据和经过整理的影像数据。该系统利用传统机器学习和先进的深度学习技术来应对数据集不平衡以及卒中表现的多变性。我们的方法涉及严格的数据预处理、特征工程和集成技术，以优化预测性能。全面的评估表明，梯度提升模型在准确率方面表现更优，而CNNs提高了卒中检测率。通过校准和阈值优化，使预测结果符合临床要求，确保诊断的可靠性。这一多模态框架突显了AI加速卒中诊断和辅助临床决策的能力，最终在重症监护中改善患者预后。
Keyword:
stroke diagnosis
eICU database
machine learning
deep learning
convolutional neural networks
ensemble methods
calibration
threshold optimization
期刊
IF:
3.6
论文数:
1.3K
被引数:
6.5K
机构
引用论文
Early identification and characterisation of stroke to support prehospital decision-making using artificial intelligence: a scoping review protocol.png)
BMJ OpenOAAI
BMJ OpenIF0
OAAI分享收藏Application of Machine Learning Techniques for Characterization of Ischemic Stroke with MRI Images: A ReviewDIAGNOSTICS
OAAI
DIAGNOSTICSIF3.3
OAAI分享收藏Convolutional Neural Network-Based Digital Diagnostic Tool for the Identification of Psychosomatic Illnesses基于卷积神经网络的数字化诊断工具，用于识别心身疾病AlgorithmsOAAI
AlgorithmsIF0
OAAI分享收藏Automated LVO detection and collateral scoring on CTA using a 3D self-configuring object detection network: a multi-center studySCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容