Introduction to Artificial Intelligence and Machine Learning in Nephrology.
作者信息
Nadkarni Girish N
机构信息
Icahn School of Medicine at Mount Sinai, New York, New York.
出版信息
Clin J Am Soc Nephrol. 2023 Mar 1;18(3):392-393. doi: 10.2215/CJN.0000000000000068. Epub 2022 Jan 18.
Abstract
摘要
相似文献
1
肾脏病学中的人工智能与机器学习导论
Clin J Am Soc Nephrol. 2023 Mar 1;18(3):392-393. doi: 10.2215/CJN.0000000000000068. Epub 2022 Jan 18.
2
人工智能在肾脏病学中的应用：核心概念、临床应用及展望。
Am J Kidney Dis. 2019 Dec;74(6):803-810. doi: 10.1053/j.ajkd.2019.05.020. Epub 2019 Aug 23.
3
儿科肾脏病学中的人工智能——行动呼吁。
Adv Kidney Dis Health. 2023 Jan;30(1):17-24. doi: 10.1053/j.akdh.2022.11.001. Epub 2022 Dec 13.
4
慢性肾脏病进展引发社论概述人工智能/机器学习在肾脏病学中的未来。
Adv Kidney Dis Health. 2023 Jan;30(1):2-3. doi: 10.1053/j.akdh.2022.11.008.
5
肾脏疾病中的组学与人工智能
Adv Kidney Dis Health. 2023 Jan;30(1):47-52. doi: 10.1053/j.akdh.2022.11.005.
6
人工智能在脊柱护理中的应用：当前的应用和未来的效用。
Eur Spine J. 2022 Aug;31(8):2057-2081. doi: 10.1007/s00586-022-07176-0. Epub 2022 Mar 27.
7
人工智能和机器学习对与 COVID-19 相关查询的响应。
J Med Eng Technol. 2023 Aug;47(6):301-320. doi: 10.1080/03091902.2024.2321846. Epub 2024 Apr 16.
8
机器学习和数学模型在肾脏病学中的应用：最新进展和未来展望。
Adv Chronic Kidney Dis. 2022 Sep;29(5):472-479. doi: 10.1053/j.ackd.2022.07.002.
9
人工智能与 PM&R 中的应用。
Am J Phys Med Rehabil. 2019 Nov;98(11):e128-e129. doi: 10.1097/PHM.0000000000001171.
10
监督式机器学习简介
Kidney360. 2021 Mar 3;2(5):878-880. doi: 10.34067/KID.0000182021. eCollection 2021 May 27.
引用本文的文献
1
肾脏病学临床试验的未来设计：整合方法学创新与计算能力
Sensors (Basel). 2025 Aug 8;25(16):4909. doi: 10.3390/s25164909.
2
肾脏病学教育中的人工智能：梅奥诊所住院医师培训学员的多中心调查
Front Nephrol. 2025 Jun 18;5:1607017. doi: 10.3389/fneph.2025.1607017. eCollection 2025.
3
用于评估小儿慢性肾病肾功能的神经网络与基于回归方法的比较：一种进行性疾病临床管理的实用预测性流行病学
Ann Epidemiol. 2025 May;105:75-79. doi: 10.1016/j.annepidem.2025.04.004. Epub 2025 Apr 8.
4
人工智能聊天机器人提供的关于对比剂后急性肾损伤的信息的可靠性和质量：诊断、预防及治疗指导的评估
Rev Assoc Med Bras (1992). 2024 Dec 2;70(11):e20240891. doi: 10.1590/1806-9282.20240891. eCollection 2024.
5
慢性肾脏病中人工智能驱动的患者教育：根据临床指南评估聊天机器人的回复
Diseases. 2024 Aug 16;12(8):185. doi: 10.3390/diseases12080185.
6
利用可解释人工智能对急性缺血性脑卒中患者进行个体化死亡率预测。
Eur J Med Res. 2024 Jun 20;29(1):341. doi: 10.1186/s40001-024-01940-2.
Zotero 插件