AI技术原理|推荐文献

摘要

  • 机器学习参考文集
  • Machine Learning 资讯 | 基于深度学习识别姑息治疗患者
  • Machine Learning Top Articles

“Hiring a Machine Learning engineer or Data Scientist in Silicon Valley is becoming like hiring a professional athlete. That’s how demanding it is” — The New York Times

  1. A noob’s guide to implementing RNN-LSTM using Tensorflow
  2. Keras Cheat Sheet: Neural Networks in Python
  3. Making a Simple Neural Network

Machine Learning Top Articles

分类


Mybridge AI 在 20000 篇关于创建机器学习应用的文章中挑选了前 50 名。从有实践经验的数据科学家那里学习是一个好方法,我们可以的分享中获得构建、运营机器学习应用的经验教训。50 篇文章大致可以分为 15 个主题,如下所示:


图像处理 Image Manipulation


风格转换 Style Transfer


图像分类 Image Classification


人脸识别 Face Recognition


视频稳定化 Video Stabilization


目标检测 Object Detection


自动驾驶汽车 Self Driving Car


智能推荐 Recommendation AI


智能游戏 Gaming AI


智能下棋 Chess AI


智能医学 Medical AI

基于深度学习识别姑息治疗患者

Stanford ML Group 建立了一个使用深度学习算法的程序,根据电子健康记录(Electronic Health Record ,EHR,包括病历、心电图、医疗影像等信息)数据确定在未来3-12个月高风险死亡的住院患者。这些病人的预警信息将发送给姑息治疗小组,这有助于姑息护理小组尽早介入、提供服务。

姑息治疗(Palliative Care ,在日本、中国台湾翻译为舒缓医学)起源于 hospice运动,最早起源于公元四世纪。根据世界卫生组织的定义,姑息治疗强调控制疼痛及患者有关症状,并对心理、社会和精神问题予以重视,目的是为病人和家属赢得最好的生活质量。

预测模型是一个 18 层的深度神经网络,输入参数为一个病人的 EHR 数据,输出为未来 3-12 个月死亡的概率。训练数据采用斯坦福医院 EHR 数据库中的历史数据,包含超过 200 万名患者的数据。EHR 数据包括患者过去 12 个月的诊断结论、治疗程序、处方和相关细节(经过脱敏和技术处理,以替代码的形式表示),所有数据被转换成 13654 维的特征向量。训练好的模型 AUROC 评分达到 0.93 ,交叉验证的平均精度为0.69 分。

对于机器学习系统来说,使用户可以根据预测结果采取行动,需要提供预测结果的详细解释,这点对于建立用户信心至关重要。Stanford 的程序可以自动生成一个报告,在病人的 EHR 数据中高亮突出对于预测结果具有重要影响因子的条目。


智能演说 Speech AI


智能音乐 Music AI


自然语言处理 Natural Language Processing


预测 Prediction

扩展阅读

《The Machine Learning Master》

推荐文章