Profesor asistent (cercetare)

Unitate de analiză predictivă

Centre for Healthcare Innovation and Delivery Sciences

New York University Langone Medical Center

Grafic Neural Network on Electronic Health Records for Predicting Boala Alzheimer
W Zhu, N Razavian
arXiv preprint arXiv: 1912.03761

Către cuantificarea prejudecății în învățarea automată pentru îngrijirea sănătății: un studiu de caz privind predicția insuficienței renale
J Williams, N Razavian
arXiv preprint arXiv: 1911.07679

Inteligența artificială și cancerul
O Troyanskaya, Z Trajanoski, A Carpenter, S Thrun, N Razavian, N Oliver
Nature Cancer 1 (2), 149-152

Predicția obezității copiilor folosind fișele medicale electronice și datele disponibile publicului
R Hammond, R Athanasiadou, S Curado, Y Aphinyanaphongs, C Abrams, .
PloS one 14 (4), e0215571

BERT-XML: Codare ICD automatizată la scară largă utilizând căutarea BERT
Z Zhang, J Liu, N Razavian
arXiv preprint arXiv: 2006.03685

Urmărirea prevalenței obezității la nivel de stat de la încorporarea frazelor de tweets: un studiu de fezabilitate
X Zhang, R Athanasiadou, N Razavian
arXiv preprint arXiv: 1911.11324

Deep ehr: Predicția bolii cronice folosind note medicale
J Liu, Z Zhang, N Razavian
Învățare automată pentru asistență medicală 2018
arXiv preprint arXiv: 1808.04928

S Liu, J Niles-Weed, N Razavian, C Fernandez-Granda
Regularizarea învățării timpurii împiedică memorarea etichetelor zgomotoase
arXiv preprint arXiv: 2007.00151

Cu privire la proiectarea rețelelor neuronale convoluționale pentru detectarea automată a bolii Alzheimer
S Liu, C Yadav, C Fernandez-Granda, N Razavian
Atelier de învățare automată pentru sănătate, 184-201

DARTS: Instrument rapid automat bazat pe DenseUnet pentru segmentarea creierului
A Kaku, CV Hegde, J Huang, S Chung, X Wang, M Young, YW Lui, .
arXiv preprint arXiv: 1911.05567

Stadiul tehnicii: aplicații de învățare automată în imagistica gliomului
E Lotan, R Jain, N Razavian, GM Fatterpekar, YW Lui
American Journal of Roentgenology 212 (1), 26-37

Prezicerea subtipurilor de cancer endometrial și a caracteristicilor moleculare din histopatologie
Imagini folosind modele de învățare profundă multi-rezoluție
R Hong, W Liu, D DeLair, N Razavian, D Fenyö
bioRxiv https://doi.org/10.1101/2020.02.25.965038

Clasificarea și predicția mutațiilor din imagini histopatologice ale cancerului pulmonar cu celule mici, utilizând învățarea profundă
N Coudray, PS Ocampo, T Sakellaropoulos, N Narula, M Snuderl, .
Nature Medicine 24 (10), 1559-1567

Clasificare eficientă a imaginii pan-cancer cu glisare completă și detectare anterioară folosind rețele neuronale convoluționale
S Bilaloglu, J Wu, E Fierro, RD Sanchez, PS Ocampo, N Razavian, .
bioRxiv, 633123

O abordare de învățare profundă pentru screening rapid mutațional în melanom
RH Kim, S Nomikou, Z Dawood, G Jour, D Donnelly, U Moran, JS Weber, .
bioRxiv, 610311

grupul

Sheng Liu

Doctorand, NYU Center for Data Science

Co-sfătuit de Dr. Carlos Fernandez-Granda

Cercetare: Învățare profundă robustă pentru imagistica medicală

Aakash Kaku

Doctorand, Centrul pentru Știința Datelor, NYU

Co-sfătuit de Dr. Carlos Fernandez-Granda

Cercetare: Învățare profundă generalizată pentru segmentarea creierului

Weicheng (Jack) Zhu

Doctorand primit, Centrul pentru Știința Datelor, NYU

Cercetare: Învățarea reprezentării grafice pe EHR

Studenți de masterat

În cadrul Comitetului de doctorat al

Colaboratori

Absolvenți

Învățare profundă pentru RMN cerebral

În colaborare cu Radiologia NYU și Centrul de Cercetare Alzheimer, lucrăm la modelarea învățării profunde a RMN-urilor cerebrale T1W.

Publicațiile noastre relevante includ

S Liu, J Niles-Weed, N Razavian, C Fernandez-Granda
Regularizarea învățării timpurii împiedică memorarea etichetelor zgomotoase
arXiv preprint arXiv: 2007.00151 [hârtie] [cod]
În curs de revizuire

Despre proiectarea rețelelor neuronale convoluționale pentru detectarea automată a bolii Alzheimer
S Liu, C Yadav, C Fernandez-Granda, N Razavian
Atelier de învățare automată Neurips 2019 pentru sănătate, 184-201 [hârtie] [cod]

DARTS: Instrument rapid automat bazat pe DenseUnet pentru segmentarea creierului
A Kaku, CV Hegde, J Huang, S Chung, X Wang, M Young, YW Lui, N Razavian
arXiv preprint arXiv: 1911.05567 [cod]
În curs de revizuire

Inteligența artificială explicată pentru experții fără conexiune
N Razavian, F Knoll, KJ Geras
Seminarii în radiologie musculo-scheletică 24 (01), 003-011 [lucrare]

Utilizarea imaginilor RMN cerebrale pentru a prezice memoria, IMC și vârsta
C Yadav, N Razavian
2019 Conferința internațională IEEE privind computerizarea și comunicarea umanizată

Stadiul tehnicii: aplicații de învățare automată în imagistica gliomului
E Lotan, R Jain, N Razavian, GM Fatterpekar, YW Lui
American Journal of Roentgenology 212 (1), 26-37 [lucrare]

Dosare medicale electronice și AI

Ca parte a Unității de analiză predictivă NYU, ne concentrăm continuu pe îmbunătățirea detectării bolilor nediagnosticate și a predicției timpurii a bolilor care pot fi prevenite.

În acest scop, construim modele de serii temporale de pacienți de dosare medicale electronice, care includ laboratoare, medicamente, istoricul bolilor, proceduri și note clinice. Construim modele de învățare profundă și de învățare automată standard. Eforturile noastre de învățare profundă implică rețele neuronale grafice.

Publicațiile noastre conexe includ

Grafic Neural Network on Electronic Health Records for Predicting Boala Alzheimer
W Zhu, N Razavian
arXiv preprint arXiv: 1912.03761 [hârtie] [cod]

Către cuantificarea prejudecății în învățarea automată pentru îngrijirea sănătății: un studiu de caz privind predicția insuficienței renale
J Williams, N Razavian
arXiv preprint arXiv: 1911.07679 [hârtie]
Prezentat la Atelierul Neurips despre corectitudinea învățării automate în sănătate 2019

Inteligența artificială și cancerul
O Troyanskaya, Z Trajanoski, A Carpenter, S Thrun, N Razavian, N Oliver
Nature Cancer 1 (2), 149-152 [hârtie]

Predicția obezității copiilor folosind fișele medicale electronice și datele disponibile publicului
R Hammond, R Athanasiadou, S Curado, Y Aphinyanaphongs, C Abrams, M Messito, R Gross, M Katzow, M Jay, N Razavian, B Elbel
PloS one 14 (4), e0215571 [hârtie] [cod]

Deep ehr: Predicția bolii cronice folosind note medicale
J Liu, Z Zhang, N Razavian
arXiv preprint arXiv: 1808.04928 [hârtie] [cod]

Predicția multi-sarcină a debutului bolii din testele longitudinale de laborator
N Razavian, J Marcus, D Sontag
Conferința Machine Learning for Healthcare, 73-100 [hârtie] [cod]

Rețele neuronale convoluționale temporale pentru diagnosticarea testelor de laborator
N Razavian, D Duminică
arXiv preprint arXiv: 1511.07938 [hârtie] [cod]
Atelier ICLR 2016

Predicția la nivel de populație a diabetului de tip 2 din datele despre afirmații și analiza factorilor de risc
N Razavian, S Blecker, AM Schmidt, S Smith-McLallen, S Nigam, D Sontag
Big Data 3 (4), 277-287 [hârtie]

Explorarea vizuală a datelor temporale în dosarele medicale electronice.
J Krause, N Razavian, E Bertini, DA Sontag
AMIA 2015 [poster] [cod]

Prelucrarea limbajului natural pentru note clinice

Ca parte a cercetării noastre privind prezicerea condițiilor care pot fi prevenite, construim diverse modele de PNL pentru a analiza cunoștințele scrise în notele clinice.

Publicațiile relevante includ:

BERT-XML: Codare ICD automatizată la scară largă utilizând căutarea BERT
Z Zhang, J Liu, N Razavian
arXiv preprint arXiv: 2006.03685 [hârtie]

Urmărirea prevalenței obezității la nivel de stat de la încorporarea frazelor de tweets: un studiu de fezabilitate
X Zhang, R Athanasiadou, N Razavian
arXiv preprint arXiv: 1911.11324 [hârtie]
În curs de revizuire

Deep ehr: Predicția bolii cronice folosind note medicale
J Liu, Z Zhang, N Razavian
Învățare automată pentru asistență medicală 2018
arXiv preprint arXiv: 1808.04928 [hârtie] [cod]

Învățare profundă pentru histologie și imagistică biomedicală

Grupul nostru colaborează cu Departamentul de Genetică a Sistemelor NYU pentru a obține soluții de învățare profundă pentru histologia cancerului și microscopie.

Prezicerea subtipurilor de cancer endometrial și a caracteristicilor moleculare din histopatologie
Imagini folosind modele de învățare profundă multi-rezoluție
R Hong, W Liu, D DeLair, N Razavian, D Fenyö
bioRxiv [hârtie]

Clasificarea și predicția mutațiilor din imagini histopatologice ale cancerului pulmonar cu celule mici, folosind învățarea profundă
N Coudray, PS Ocampo, T Sakellaropoulos, N Narula, M Snuderl, D Fenyö, A Moreira, N Razavian, A Tsirigos
Medicină naturală 24 (10), 1559-1567 [hârtie] [cod]

Clasificare eficientă a imaginii pan-cancer cu glisare completă și detectare anterioară folosind rețele neuronale convoluționale
S Bilaloglu, J Wu, E Fierro, RD Sanchez, PS Ocampo, N Razavian, N Coudray, A Tsirigos
bioRxiv, 633123 [hârtie]

O abordare de învățare profundă pentru screening rapid mutațional în melanom
RH Kim, S Nomikou, Z Dawood, G Jour, D Donnelly, U Moran, JS Weber, N Razavian, M Snuderl, R Shapiro, R Berman, N Coudray, I Osman, A Tsirigos
bioRxiv, 610311 [hârtie]