Deep neural networks excel in COVID-19 disease severity prediction - a meta-regression analysis

QR kód

Deep neural networks excel in COVID-19 disease severity prediction - a meta-regression analysis

COVID-19 is a disease in which early prognosis of severity is critical for desired patient outcomes and for the management of limited resources like intensive care unit beds and ventilation equipment. Many prognostic statistical tools have been developed for the prediction of disease severity, but i...

Teljes leírás

Elmentve itt :

Bibliográfiai részletek
Szerzők:	Rakovics Márton Meznerics Fanni Adél Fehérvári Péter Kói Tamás Csupor Dezső Bánvölgyi András Rapszky Gabriella Anna Engh Marie Anne Hegyi Péter Harnos Andrea
Dokumentumtípus:	Cikk
Megjelent:	2025
Sorozat:	SCIENTIFIC REPORTS 15 No. 1
Tárgyszavak:	Klinikai orvostan
doi:	10.1038/s41598-025-95282-6
mtmt:	36061282
Online Access:	http://publicatio.bibl.u-szeged.hu/36695

Hasonló tételek

Hyphenation using deep neural networks
Szerző: Németh Gergely Dániel, et al.
Megjelent: (2018)

Computed Tomography Severity Index vs. Other Indices in the Prediction of Severity and Mortality in Acute Pancreatitis A Predictive Accuracy Meta-analysis /
Szerző: Mikó Alexandra, et al.
Megjelent: (2019)

Speech de-identification with deep neural networks
Szerző: Fodor Ádám, et al.
Megjelent: (2021)

QR code localization using deep neural networks
Szerző: Grósz Tamás, et al.
Megjelent: (2014)

Predicting exchange rate by neural networks [abstract] /
Szerző: Jovanovic Radmila, et al.
Megjelent: (2000)

Phone recognition with deep sparse rectifier neural networks
Szerző: Tóth László
Megjelent: (2013)

Convolutional deep rectifier neural nets for phone recognition
Szerző: Tóth László
Megjelent: (2013)

Deep Neural Network Embeddings for the Estimation of the Degree of Sleepiness
Szerző: Egas-Lopez Jose Vicente, et al.
Megjelent: (2021)

Regression models to predict the resource usage of MapReduce application
Szerző: Li Yangyuan, et al.
Megjelent: (2018)

Deep learning in static, metric-based bug prediction
Szerző: Ferenc Rudolf, et al.
Megjelent: (2020)

Document Classification with Deep Rectifier Neural Networks and Probabilistic Sampling
Szerző: Grósz Tamás, et al.
Megjelent: (2014)

PoS-tagging and lemmatization with a deep recurrent neural network
Szerző: Ugray Gábor
Megjelent: (2019)

Development of partial least squares regression with discriminant analysis for software bug prediction
Szerző: Rajkó Róbert, et al.
Megjelent: (2024)

Localization of visual codes in the DCT domain using deep rectifier neural networks
Szerző: Bodnár Péter, et al.
Megjelent: (2014)

Novel U-net based deep neural networks for transmission tomography
Szerző: Olasz Csaba, et al.
Megjelent: (2022)

Clinical usefulness of scoring systems to predict severe acute pancreatitis A systematic review and meta-analysis with pre and post-test probability assessment /
Szerző: Capurso Gabriele, et al.
Megjelent: (2023)

Regression model building and efficiency prediction of header compression implementations for VoIP
Szerző: Tömösközi Máté
Megjelent: (2016)

Tumour regression predicts higher risk of sentinel node involvement in thin cutaneous melanomas
Szerző: Oláh Judit Magdolna, et al.
Megjelent: (2003)

Parameter estimation of long memory stochastic processes with deep neural networks [abstract] /
Szerző: Csanády Bálint, et al.
Megjelent: (2024)

Tumour regression predicts better response to interferon therapy in melanoma patients a retrospective single centre study. /
Szerző: Mezőlaki Noémi, et al.
Megjelent: (2024)

Kappa Regression an Alternative to Logistic Regression /
Szerző: Dombi József, et al.
Megjelent: (2020)

MOOC Performance Prediction by Deep Learning from Raw Clickstream Data
Szerző: Kőrösi Gábor, et al.
Megjelent: (2020)

A sequence training method for Deep Rectifier Neural Networks in Speech Recognition
Szerző: Grósz Tamás, et al.
Megjelent: (2014)

Training Methods for Deep Neural Network-Based Acoustic Models in Speech Recognition
Szerző: Grósz Tamás
Megjelent: (2018)

The joint optimization of spectro-temporal features and deep neural nets for robust ASR
Szerző: Kovács György, et al.
Megjelent: (2014)

A Porcine Sepsis Model With Numerical Scoring for Early Prediction of Severity
Szerző: Rutai Attila, et al.
Megjelent: (2022)

Deep Learning Models and Interpretations for Multivariate Discrete-Valued Event Sequence Prediction
Szerző: Kőrösi Gábor, et al.
Megjelent: (2021)

Application of deep learning tools in prediction of printability of 3D printed tablets
Szerző: Djuranović Marija, et al.
Megjelent: (2021)

Using Acoustic Deep Neural Network Embeddings to Detect Multiple Sclerosis From Speech
Szerző: Gosztolya Gábor, et al.
Megjelent: (2022)

Robust multi-band asr using deep neural nets and spectro-temporal features
Szerző: Kovács György, et al.
Megjelent: (2014)

Domain Adaptation of Deep Neural Networks for Automatic Speech Recognition via Wireless Sensors
Szerző: Gosztolya Gábor, et al.
Megjelent: (2016)

A comparison of deep neural network training methods for large vocabulary speech recognition
Szerző: Tóth László, et al.
Megjelent: (2013)

Laughter Classification Using Deep Rectifier Neural Networks with a Minimal Feature Subset
Szerző: Gosztolya Gábor, et al.
Megjelent: (2016)

Meta-stabil történet
Szerző: Bocsor Péter
Megjelent: (1996)

Predictive value of tachycardia for mortality in trauma-related haemorrhagic shock a systematic review and meta-regression /
Szerző: Jávor Péter János, et al.
Megjelent: (2022)

Excellence in research and innovation
Megjelent: (2011)

Why Kappa Regression?
Szerző: Urenda Julio C., et al.
Megjelent: (2021)

Detecting the intensity of cognitive and physical load using AdaBoost and deep rectifier neural networks
Szerző: Gosztolya Gábor, et al.
Megjelent: (2014)

Joint optimization of spectro-temporal features and deep neural nets for robust automatic speech recognition
Szerző: Kovács György, et al.
Megjelent: (2015)

Joint Optimization of Spectro-Temporal Features and Deep Neural Nets for Robust Automatic Speech Recognition
Szerző: Kovács György, et al.
Megjelent: (2015)