• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Application of Basic Epidemiologic Principles and Electronic Health Records in a Deep Learning Prediction Model.

作者信息

Cho Soo Ick, Lee Dongheon, Jo Seong Jin

机构信息

Department of Dermatology, Seoul National University College of Medicine, Seoul, South Korea.

Interdisciplinary Program for Biomedical Engineering, Seoul National University, Seoul, South Korea.

出版信息

JAMA Dermatol. 2020 Apr 1;156(4):473-474. doi: 10.1001/jamadermatol.2019.4922.

DOI:10.1001/jamadermatol.2019.4922
PMID:32049313
Abstract
摘要

相似文献

1
Application of Basic Epidemiologic Principles and Electronic Health Records in a Deep Learning Prediction Model.基础流行病学原理与电子健康记录在深度学习预测模型中的应用
JAMA Dermatol. 2020 Apr 1;156(4):473-474. doi: 10.1001/jamadermatol.2019.4922.
2
Application of Basic Epidemiologic Principles and Electronic Health Records in a Deep Learning Prediction Model.基础流行病学原理与电子健康记录在深度学习预测模型中的应用
JAMA Dermatol. 2020 Apr 1;156(4):472-473. doi: 10.1001/jamadermatol.2019.4919.
3
Application of Basic Epidemiologic Principles and Electronic Health Records in a Deep Learning Prediction Model-Reply.基础流行病学原理与电子健康记录在深度学习预测模型中的应用——回复
JAMA Dermatol. 2020 Apr 1;156(4):474. doi: 10.1001/jamadermatol.2019.4440.
4
Deep Learning Approach for the Development of a Novel Predictive Model for Prostate Cancer.用于开发前列腺癌新型预测模型的深度学习方法。
Stud Health Technol Inform. 2020 Jun 16;270:1241-1242. doi: 10.3233/SHTI200382.
5
Predicting the onset of type 2 diabetes using wide and deep learning with electronic health records.利用电子健康记录的宽深学习预测 2 型糖尿病发病。
Comput Methods Programs Biomed. 2019 Dec;182:105055. doi: 10.1016/j.cmpb.2019.105055. Epub 2019 Aug 27.
6
Prediction of Postoperative Hospital Stay with Deep Learning Based on 101 654 Operative Reports in Neurosurgery.基于101654份神经外科手术报告，运用深度学习预测术后住院时间
Stud Health Technol Inform. 2019;258:125-129.
7
Deep representation learning for individualized treatment effect estimation using electronic health records.利用电子健康记录进行个体化治疗效果估计的深度学习表示。
J Biomed Inform. 2019 Dec;100:103303. doi: 10.1016/j.jbi.2019.103303. Epub 2019 Oct 11.
8
Predicting Breast Cancer by Applying Deep Learning to Linked Health Records and Mammograms.应用深度学习对健康记录和乳腺 X 光照片进行联合分析，以预测乳腺癌。
Radiology. 2019 Aug;292(2):331-342. doi: 10.1148/radiol.2019182622. Epub 2019 Jun 18.
9
An attention-based deep learning model for clinical named entity recognition of Chinese electronic medical records.基于注意力的深度学习模型在中文电子病历临床命名实体识别中的应用。
BMC Med Inform Decis Mak. 2019 Dec 5;19(Suppl 5):235. doi: 10.1186/s12911-019-0933-6.
10
Multi-objective ensemble deep learning using electronic health records to predict outcomes after lung cancer radiotherapy.基于电子健康记录的多目标集成深度学习预测肺癌放疗后结局。
Phys Med Biol. 2019 Dec 13;64(24):245005. doi: 10.1088/1361-6560/ab555e.

引用本文的文献

1
Ability to Predict Melanoma Within 5 Years Using Registry Data and a Convolutional Neural Network: A Proof of Concept Study.利用注册表数据和卷积神经网络在 5 年内预测黑色素瘤：概念验证研究。
Acta Derm Venereol. 2022 Jul 13;102:adv00750. doi: 10.2340/actadv.v102.2028.