国际疾病分类（International Classification of Diseases ,ICD），是WHO制定的国际统一的疾病分类方法，它根据疾病的病因、病理、临床表现和解剖位置等特性，将疾病分门别类，使其成为一个有序的组合，并用编码的方法来表示的系统。全世界通用的是第10次修订本《疾病和有关健康问题的国际统计分类》，仍保留了ICD的简称，并被统称为ICD-10。
上传资源为格式化后的JSON数据，原因是为了方便大家集成应用在各自的系统中。
2021-10-12 15:42:03
1.47MB
1
最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码最全ICD-10疾病编码
2021-10-09 12:01:28
1.73MB
1
中国临床神经内科
CCKS2019中文命名实体识别任务。从医疗文本中识别疾病和诊断，解剖部位，影像检查，实验室检查，手术和药物6种命名实体。实现基于捷巴和AC自动机的基线构建，基于BiLSTM和CRF的序列标注模型构造。伯尔尼的部分代码源于感谢作者。模型最终测试集重叠0.81，还有更多改进空间。
2021-10-04 20:01:00
42.36MB
1
IRC_ClusteringPatientData
使用支持向量机（SVM）学习方法对患者数据进行聚类以进行诊断。该项目是伦敦帝国理工学院Horizons课程的跨学科研究计算项目的一部分。
目的
机器学习（ML）模型可以成功处理诸如像素或随机数值数据之类的复杂数据，并在该数据中找到可能会非常复杂的模式以其他方式进行分类。在医学领域有很多ML的例子，我们想更多地了解如何获取医学数据并产生有趣的结果。
运行模型
执行main.py：
从在线数据库中提取数据并进行清理
训练模型
测试模型
产生准确性结果和相关图表
代码的主要部分使用Model.py中定义的Model类。这样可以轻松启用和禁用诸如图形或评估机制之类的功能。
属性
数据属性如下：
匈牙利心脏病研究所。布达佩斯：瑞士苏黎世医学博士学位的Andras Janosi：瑞士巴塞尔医学博士学位的William Steinbrunn：瑞士长
2021-09-30 09:00:18
92KB
1
单元3专案
介绍
目标：
心血管疾病（CVD）是全球主要的死亡原因，每年夺走约1700万人的生命。 我们对该项目的目标是，在预测CVD的患病率时，提供能够识别和定义保护因素和风险因素的最佳模型。 通过了解这些因素，我们将能够针对最佳的一级预防方法，并帮助阻止患者中某些CVD的可能发展。
问题：
就准确性而言，这类数据集表现最佳的“原始”模型是什么？
在对有和没有CVD的患者进行分类时，最重要的因素是什么？
在预测观察结果是否患有CVD时，最重要的风险和保护因素是什么？
方法
在这个项目中，我们将使用OSEMN流程：
获取：我们的数据集是从Kaggle的网站收集的，然后下载到我们计算机上的本地文件中。
检查和清理：这是我们检查干净数据的地方。 在本节中，我们将寻找：离群值，空值，确保某些列中的值合理，并查看每列中的值的类型（分类与数字）。
探索：我们会查看数据以及要素与目标之
2021-09-28 18:57:19
15.81MB
1