机器学习可用于分析几种目的的生理数据。脑缺血的检测是对患者护理产生高影响的成就。我们试图研究来自非侵入性监测器的连续生理数据，以及使用机器学习的分析可以检测不同环境中的脑缺血，在颈动脉胚胎切除术后和急性中风中的血管内血栓切除术期间。我们将两个不同组和一名患者的结果进行详细地比较。虽然CEA患者的结果是一致的，但从血栓切除术患者的结果不是并且经常含有极值，例如1.0的精确值。我们突出了这一点，这是程序的持续时间和具有质量不好的数据，导致小数据集。因此，这些结果不能值得信任。
translated by 谷歌翻译
机器学习用于医学，以支持医生在检查，诊断和预测结果中。其中一个最具动态的区域是从密集护理单位使用患者产生的健康数据。本文的目的是展示我们如何通过病人的人口统计数据与他们的生理数据相结合推进交叉患者ML模型开发。我们使用患有颈动脉内切除术（CEA）的患者患者，在那里我们在一次患者和一名患者培训时研究了模型性能和解释性的差异。结果表明，患者的人口统计学对性能和解释性具有很大影响，从而可靠。我们的结论是，我们可以增加信任ML车型在交叉患者背景下，基于其人口模型和患者仔细选择和手术过程。
translated by 谷歌翻译