《表2 机器学习在急诊医学领域的常规应用实例》
注:AMI为急性心肌梗死;ACS为急性冠脉综合征;RNN为循环神经网络;ELM为极限学习机;SVM为支持向量机;SBP为收缩压;HR为心率;RR为呼吸频率;T为体温;GCS为格拉斯哥昏迷评分;RCT为随机对照试验;q SOFA为快速序贯衰竭评分
对于急诊医学而言,机器学习可作为一项有效的工具辅助疾病诊断预测、协助制定临床决策、改进工作流程等[6]。其常规应用涉及常见急症的早期诊断预测、疾病危险分层、辅助诊疗决策制定及预后预测等方面。机器学习在急诊医学领域的常规应用实例见表2。
图表编号 | XD00217177400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.10 |
作者 | 任珍、李姝、赵静静、马青变 |
绘制单位 | 北京大学第三医院、北京大学第三医院、北京大学第三医院、北京大学第三医院 |
更多格式 | 高清、无水印(增值服务) |