R
Rishikesan Kamaleswaran
H指数:22
被引数:2,357
个人简介
暂无内容
教育背景
暂无内容
工作经历
暂无内容
荣誉奖项
暂无内容
PDMS被动采样法在皮肤VOC收集中的方法学评估
Metabolites
IF3.7
临床与代谢组学联合筛查表:用于活检确诊儿童及青少年MASH的非侵入性检测
JHEP Reports
IF7.5
基于双推注液体复苏后儿科疑似脓毒症患者血管活性药物需求的机器学习风险分层工具的开发
Pediatric Research
IF3.1
TC3-VLM:一种用于战术战伤救治的视觉-语言模型
IEEE Access
IF3.6
难治性败血症休克定义的临床标准: 重症监护医学会 (SCCM) 和欧洲重症监护医学会 (ESICM) 联合Delphi共识
Intensive Care Medicine
IF21.2
CHORUS BRIDGE2AI 多模态数据集中最初的 50,000 例 ICU 入院病例
通过无监督聚类NASH CRN数据识别出临床不同的儿科MASLD代谢表型
Nature Communications
IF15.7
危重症中药物对心率变异性的影响:被忽视的混杂因素
使用机器学习对非免疫抑制儿科急诊患者进行抗生素需求及早发性菌血症风险的早期预测
Pediatric Research
IF3.1
中性粒细胞失调可区分儿科脓毒性休克基于生物标志物的死亡风险分层:加权基因共表达网络和转录组学分析的见解
通过药物数据和机器学习模型增强危重成人死亡率预测
LuGSAM:一种将文本提示集成到Segment Anything Model(SAM)中的新型框架,用于ICU胸部X光分割任务
评估常见临床混杂因素对基于深度学习的脓毒症风险评估性能的影响
通过可解释机器学习和电子健康记录中的错误处理改进临床决策支持
临床医生对重症监护中机器人任务自动化的认知与潜在应用:定性研究
增强Apache II评分:添加药物表型以预测液体过载
利用药物数据和机器学习模型增强死亡率预测
多模式治疗对脓毒症中使用血管活性药物患者心率变异性影响
基于机器学习的ICU并发症预测:一项验证研究(使用药物治疗数据)

