柠檬汽水 用于电子病历（EHR）数据的开源深度学习库。 在此库的初始发行版中.. 它基于流行论文实现了2种深度学习模型（LSTM和CNN） 使用合成的EHR数据，该数据是使用开源的 预测最重要的4种 最终目标是 继续添加更多的模型实现 不断添加其他公开可用的数据集 并设有排行榜，以跟踪哪些模型和配置在这些数据集上最有效 安装 可安装的lib即将推出 如何使用 现在，git克隆仓库并运行笔记本.. 仔细阅读以下Quick Start guides以了解基本信息 Quick Walkthrough Running Experiments 设置合成器并生成您喜欢的数据集 进行实验 路线图 排行榜，用于跟踪哪些模型和配置在不同的公开可用数据集上效果最佳。 回调，混合精度等 升级库以使用fastai v2。 或者至少，为fastai风格的回调和构建功能。 更多型号 从中挑选一些最佳的EHR模型并加

基于Arduino，Windows 10和Microsoft Azure的跌倒检测系统

数据库大作业/家庭保健信息系统/Home-Healthcare Information System/This assignment is to perform the logic design of an information system. It involves the construction of a DFD, an ER diagram, mapping to the relational schema, and the normalization of the resulting relational schema. The necessary information for schema design is given in the.Universe of Discourse (UoD).This assignment can be completed as a group. The maximum size of a group is three people.Each group is allowed to submit only one file. For any student whose name appears within two or more groups, the result will be whichever is the lowest.

人工智能将改变医疗健康的方方面面，包括我们管理个人健康的方式，从客户体验和临床护理到降低医疗保健成本。这本实用的书是第一本描述AI可以帮助解决有害的医疗保健问题的当前和未来用例的书。

AI for Healthcare with Keras and Tensorflow 2.0 Design, Develop, and Deploy Machine Learning Models Using Healthcare Data

BMI健康状况预测 数据可视化和机器学习来预测健康状况（BMI：体重指数） 随机森林分类 该数据集取自 。 描述 性别：男/女 高度：数（厘米） 重量：数量（千克） 索引：0-极度弱1-极度2-正常3-超重4-肥胖5-极度肥胖 kaggle笔记本内核可在找到。

使用卫生保健数据预测抑郁 作者：Vivienne DiFrancesco 可以在找到用于探索该项目中使用的数据的配套仪表板 该存储库的内容是对使用机器学习模型来预测使用医疗保健数据的人的抑郁症的分析。 希望可以使工作更易于访问和复制，从而进行详细的分析。 储存库结构 README.md：此项目审阅者的顶级自述文件 first_notebook.ipynb：从数据清理阶段开始在jupyter笔记本中进行分析的叙述性文档 second_notebook.ipynb：在项目的探索阶段清理数据之后开始的叙述性文档的延续 PredictingDepressionSlides.pdf：项目演示幻灯片的PDF版本 project_functions文件夹：包含编写用于first_notebook和second_notebook的自定义函数 仪表板文件夹：包含用于创建此项目的配套仪表板的文件的文件夹 抽

使用深度学习进行生存分析 该存储库包含基于贝叶斯深度学习的文章，论文和用于生存分析的存储库。 文件 Rajesh Ranganath，Adler Perotte，David Blei等人进行的深度生存分析。 JMLR 2016 资料来源： : 生存筛选器：Rajesh Ranganath，Adler Perotte，David Blei等人的“潜在时间序列的联合生存分析”。 2015年，阿拉伯联合酋长国资料来源： : DeepSurv：使用Cox比例危害深层神经网络的个性化治疗推荐系统，作者：Jared Katzman，Uri Shaham，Jonathan Bates，Alexander Cloninger，Tingting Jiang，Yuval Kluger。 ACML 2016 资料来源： : 具有竞争风险的生存分析的深层多任务高斯过程，作者：Ahmed M. Alaa

Mark L. Braunstein - Health Informatics on FHIR_ How HL7's New API is Transforming Healthcare (2018, Springer International Publishing)

医疗保健行业包含非常大的敏感数据，需要非常小心地处理。 糖尿病是世界范围内日益严重的致命疾病之一。 医疗专业人员需要一个可靠的预测系统来诊断糖尿病。 不同的机器学习技术可用于从不同角度检查数据并将其概括为有价值的信息。 如果应用某些数据挖掘技术，海量数据的可访问性和可用性将能够为我们提供有用的知识。 主要目标是确定新模式，然后解释这些模式，为用户提供重要且有用的信息。 糖尿病会导致心脏病、肾病、神经损伤和失明。 以有效的方式挖掘糖尿病数据是一个至关重要的问题。 将发现数据挖掘技术和方法，以找到适当的方法和技术，以对糖尿病数据集进行有效分类并提取有价值的模式。 在这项研究中，医学生物信息学分析已经完成以预测糖尿病。 WEKA 软件被用作诊断糖尿病的挖掘工具。 Pima Indian 糖尿病数据库来自用于分析的 UCI 存储库。 对该数据集进行了研究和分析，以建立一个预测和诊断糖尿病疾病的有效模型。 在这项研究中，我们旨在应用自举重采样技术来提高准确性，然后应用朴素贝叶斯、决策树和 (KNN) 并比较它们的性能。