相关实验视频
Updated: Jun 8, 2025
Cross-Modal Multivariate Pattern Analysis
Published on: November 9, 2011
使用基于对比学习和k-最近邻居搜索的模块化模型进行交叉模式的类似临床病例检索
Shichao Fang1, Shenda Hong2, Qing Li3
1National Institute of Health Data Science, Peking University, Beijing, China; Advanced Institute of Information Technology, Peking University, Hangzhou, Zhejiang, China; Institute of Psychiatry, Psychology & Neuroscience, King's College London, London, UK; King's College Hospital NHS Foundation Trust, London, UK.
本研究引入了CRoss-Modal Retrieval (CRMR) 模型,用于在不同数据类型中找到类似的临床病例. 该CRMR模型证明了有效的跨模式检索,有助于临床决策.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 临床决策支持 临床决策支持
背景情况:
- 电子健康记录使得基于病例的临床决策成为可能.
- 现有的类似案例检索方法主要使用单模数据.
- 跨模式的临床病例检索研究是有限的.
研究的目的:
- 开发一个Cross-Modal Retrieval (CRMR) 模型.
- 为了在不同的数据模式中获取类似的临床病例.
主要方法:
- 使用了密集护理-胸部X射线 (MIMIC-CXR) 数据集的医疗信息市场.
- 开发了一个模块化CRMR模型,其中包含特征提取,转换和检索组件.
- 采用对比的深度学习和k-最近邻居搜索进行跨模式检索.
主要成果:
- 获得的平均检索精度 (AP@k) 在76.3%至77.9%之间.
- 证明了快速检索时间 (0.0130.016 ms).
- 成功获取了与放射性表现相匹配的病例.
结论:
- 在临床病例分析中,CRMR模型显示出强大的跨模式检索性能.
- 该模型具有可扩展性和处理各种数据类型的潜力.
- CRMR可以帮助临床医生做出最佳和可解释的决策.
更多相关视频
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
