Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Foto på Mattias Ohlsson

Mattias Ohlsson

Professor

Foto på Mattias Ohlsson

Interpretable AI diagnostics for dyspnea in the emergency department by deep learning and a massive regional health care dataset

Författare

  • Ellen Tolestam Heyman
  • Awais Ashfaq
  • Ulf Ekelund
  • Mattias Ohlsson
  • Jonas Björk
  • Lina Dahlén Holmqvist
  • Ardavan M. Khoshnood
  • Markus Lingman

Avdelning/ar

  • Akutsjukvård
  • EpiHealth: Epidemiology for Health
  • LU profilområde: Naturlig och artificiell kognition
  • eSSENCE: The e-Science Collaboration
  • Artificiell intelligens och thoraxkirurgisk vetenskap (AICTS)
  • EPI@LUND
  • Kirurgi och folkhälsa
  • Kardiovaskulär forskning - hypertoni

Publiceringsår

2023-05-31

Språk

Engelska

Dokumenttyp

Affisch

Ämne

  • Cardiac and Cardiovascular Systems

Nyckelord

  • artificial intelligence
  • AI
  • Dyspnea
  • Artificiell intelligens
  • AI
  • Dyspne

Conference name

Swedish Emergency Medicine Talks - SWEETS23

Conference date

2023-05-31 - 2023-06-02

Conference place

Stockholm, Sweden

Status

Published

Projekt

  • Resource Management in the Emergency Department by using Machine Learning
  • AIR Lund - Artificially Intelligent use of Registers

Forskningsgrupp

  • Emergency medicine
  • Artificial Intelligence in CardioThoracic Sciences (AICTS)
  • EPI@LUND
  • Surgery and public health
  • Cardiovascular Research - Hypertension