Loading...
机构名称:
¥ 1.0

在医疗保健中,释放的少量数据集没有用于构建ML模型的通用数据输入格式。结果,当释放模型时,它们对数据集预处理和预期输出格式做出了不同的假设,从而导致了重大的可重复性挑战(McDermott等,2021; Wornow等,2023)。需要保证在医疗保健上升中的模型最低效果(Shah等人,2024年),并需要提高透明度的呼吁,我们需要启用NLP和CV社区中的模型共享和代码可重复使用。为了满足这一需求,我们介绍了医疗事件数据标准(MEDS,可在https://github.com/medical-event-data-andard/meds访问),这是机器学习的结构性电子健康记录(EHR)数据的数据输入标准,该数据具有三个关键好处:

医疗事件数据标准(MEDS)

医疗事件数据标准(MEDS)PDF文件第1页

医疗事件数据标准(MEDS)PDF文件第2页

医疗事件数据标准(MEDS)PDF文件第3页

医疗事件数据标准(MEDS)PDF文件第4页

医疗事件数据标准(MEDS)PDF文件第5页

相关文件推荐

2024 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
2024 年
¥6.0
2023 年
¥1.0
2011 年
¥1.0
2023 年
¥5.0
2023 年
¥1.0
2024 年
¥1.0
2017 年
¥8.0
2024 年
¥1.0
2025 年
¥1.0
2025 年
¥1.0
2020 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2023 年
¥4.0
2023 年
¥2.0
2025 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
2023 年
¥1.0
2022 年
¥1.0
2024 年
¥1.0