Разавійська дослідницька група

Асистент (дослідницька робота)

Блок прогнозної аналітики

Центр інновацій в галузі охорони здоров'я та наук про доставку

Медичний центр Лангонського університету Нью-Йоркського університету

Побудуйте графік нейронної мережі на електронних медичних картках для прогнозування хвороби Альцгеймера
Ш Чжу, Н Разавіан
препринт arXiv arXiv: 1912.03761

До кількісної оцінки упередженості в машинному навчанні для охорони здоров’я: Тематичне дослідження прогнозування ниркової недостатності
Дж. Вільямс, Н. Разавіан
препринт arXiv arXiv: 1911.07679

Штучний інтелект та рак
О Троянська, З Траяноскі, Карпентер, С Трон, Н Разавіан, Н Олівер
Рак природи 1 (2), 149-152

Прогнозування ожиріння серед дітей за допомогою електронних медичних карт та загальнодоступних даних
Р Хаммонд, Р Афанасіаду, С Курадо, Ю Афініянафонгс, С Абрамс, .
PloS one 14 (4), e0215571

BERT-XML: Широкомасштабне автоматизоване кодування ICD із використанням BERT попередньої підготовки
Z Zhang, J Liu, N Razavian
препринт arXiv arXiv: 2006.03685

Відстеження поширеності ожиріння на державному рівні за допомогою вкладання речень твітів: техніко-економічне обгрунтування
X Zhang, R Athanasiadou, N Razavian
препринт arXiv arXiv: 1911.11324

Deep ehr: Прогнозування хронічного захворювання з використанням медичних записок
J Liu, Z Zhang, N Razavian
Машинне навчання для охорони здоров’я 2018
препринт arXiv arXiv: 1808.04928

S Liu, J Niles-Weed, N Razavian, C Fernandez-Granda
Раннє навчання регуляризації запобігає запам’ятовуванню галасливих ярликів
препринт arXiv arXiv: 2007.00151

Про проектування згорткових нейронних мереж для автоматичного виявлення хвороби Альцгеймера
С Лю, С Ядав, С Фернандес-Гранда, Н Разавіан
Майстерня машинного навчання для здоров’я, 184-201

DARTS: автоматичний швидкий інструмент для сегментації мозку на основі DenseUnet
A Kaku, CV Hegde, J Huang, S Chung, X Wang, M Young, YW Lui, .
препринт arXiv arXiv: 1911.05567

Сучасний рівень техніки: програми машинного навчання у візуалізації гліоми
Е Лотан, Р. Джейн, Н. Разавіан, Г. М. Фаттерпекар, Ю. В. Луй
Американський журнал рентгенології 212 (1), 26-37

Прогнозування підтипів раку ендометрія та молекулярних особливостей з гістопатології
Зображення з використанням моделей глибокого навчання з роздільною здатністю
Р Хонг, Ш Лю, Д ДеЛер, Н Разавіан, Д Феньо
bioRxiv https://doi.org/10.1101/2020.02.25.965038

Класифікація та прогнозування мутації на гістограмах недрібноклітинного раку легенів за допомогою глибокого навчання
N Coudray, PS Ocampo, T Sakellaropoulos, N Narula, M Snuderl, .
Природна медицина 24 (10), 1559-1567

Ефективна класифікація знімків із загальним слайдом раку та виявлення нестабільних елементів за допомогою згорткових нейронних мереж
С Білалоглу, Дж. Ву, Е. Фієрро, Р. Д. Санчес, П. С. Окампо, Н. Разавіан, .
bioRxiv, 633123

Підхід глибокого навчання для швидкого мутаційного скринінгу на меланому
Р. Кім, С Номіку, З Давуд, Г Жур, Д Доннеллі, У Моран, Й. С. Вебер, .
bioRxiv, 610311

дослідницька

Шен Лю

Аспірант, Центр науки про дані Нью-Йоркського університету

За консультацією доктора Карлоса Фернандеса-Гранди

Дослідження: Надійне глибоке навчання для медичної візуалізації

Аакаш Каку

Аспірант, Центр науки про дані, Нью-Йоркський університет

За консультацією доктора Карлоса Фернандеса-Гранди

Дослідження: Узагальнене глибоке навчання для сегментації мозку

Вейчен (Джек) Чжу

Вступний аспірант, Центр науки про дані, Нью-Йорк

Дослідження: Навчання графічному представленню на EHR

Студенти магістрів

Про докторський комітет

Співробітники

Випускники

Поглиблене навчання для МРТ головного мозку

У співпраці з Нью-Йоркською радіологією та Дослідницьким центром Альцгеймера ми працюємо над моделюванням глибокого навчання МРТ головного мозку T1W.