Zobrazeno 1 - 10
of 44
pro vyhledávání: '"Wiberg, Holly"'
Autor:
Wiberg, Holly Mika
The proliferation of digitally-available medical data has enabled a new paradigm of decision-making in medicine. Machine learning allows us to glean large-scale insights directly from data, systematizing the heuristic risk assessment process that phy
Externí odkaz:
https://hdl.handle.net/1721.1/144629
Autor:
Soenksen, Luis R., Ma, Yu, Zeng, Cynthia, Boussioux, Leonard D. J., Carballo, Kimberly Villalobos, Na, Liangyuan, Wiberg, Holly M., Li, Michael L., Fuentes, Ignacio, Bertsimas, Dimitris
Publikováno v:
Nature npj Digital Medicine, 2022
Artificial intelligence (AI) systems hold great promise to improve healthcare over the next decades. Specifically, AI systems leveraging multiple data sources and input modalities are poised to become a viable method to deliver more accurate results
Externí odkaz:
http://arxiv.org/abs/2202.12998
Autor:
Maragno, Donato, Wiberg, Holly, Bertsimas, Dimitris, Birbil, S. Ilker, Hertog, Dick den, Fajemisin, Adejuyigbe
We establish a broad methodological foundation for mixed-integer optimization with learned constraints. We propose an end-to-end pipeline for data-driven decision making in which constraints and objectives are directly learned from data using machine
Externí odkaz:
http://arxiv.org/abs/2111.04469
Autor:
Bertsimas, Dimitris, Boussioux, Léonard, Wright, Ryan Cory, Delarue, Arthur, Digalakis Jr., Vassilis, Jacquillat, Alexandre, Kitane, Driss Lahlou, Lukin, Galit, Li, Michael Lingzhi, Mingardi, Luca, Nohadani, Omid, Orfanoudaki, Agni, Papalexopoulos, Theodore, Paskov, Ivan, Pauphilet, Jean, Lami, Omar Skali, Stellato, Bartolomeo, Bouardi, Hamza Tazi, Carballo, Kimberly Villalobos, Wiberg, Holly, Zeng, Cynthia
The COVID-19 pandemic has created unprecedented challenges worldwide. Strained healthcare providers make difficult decisions on patient triage, treatment and care management on a daily basis. Policy makers have imposed social distancing measures to s
Externí odkaz:
http://arxiv.org/abs/2006.16509
State-of-the-art clustering algorithms use heuristics to partition the feature space and provide little insight into the rationale for cluster membership, limiting their interpretability. In healthcare applications, the latter poses a barrier to the
Externí odkaz:
http://arxiv.org/abs/1812.00539
Publikováno v:
In Journal of Pediatric Surgery November 2019 54(11):2353-2357
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.