YAIB
आईसीयू और ईएचआर डेटा पर नैदानिक पूर्वानुमान मॉडल प्रयोगों को मानकीकृत करने के लिए एक समग्र ढांचा।
कई आईसीयू डेटासेट और पूर्वानुमान कार्यों में नैदानिक मशीन लर्निंग प्रयोगों को मानकीकृत करें।
YAIB (Yet Another ICU Benchmark) एक पाइथन फ्रेमवर्क है जिसे इंटेंसिव केयर यूनिट और इलेक्ट्रॉनिक हेल्थ रिकॉर्ड डेटा का उपयोग करके नैदानिक मशीन लर्निंग प्रयोगों को मानकीकृत करने के लिए डिज़ाइन किया गया है। यह MIMIC, eICU, HiRID और AUMCdb जैसे बहु-केंद्र डेटासेट पर पूर्वानुमानित मॉडलिंग पर काम करने वाले शोधकर्ताओं और डेटा वैज्ञानिकों के लिए उपयुक्त है।
यह क्या है
यह फ्रेमवर्क प्रमुख आईसीयू डेटाबेस और पांच मानक नैदानिक कार्यों के लिए आउट-of-the-box समर्थन प्रदान करता है, जिसमें आईसीयू मृत्यु दर, तीव्र गुर्दे की चोट, सेप्सिस, गुर्दे की कार्यक्षमता और रहने की अवधि शामिल हैं। यह प्रीप्रोसेस्ड parquet फ़ाइलों पर काम करता है और डीप लर्निंग वर्कफ़्लो के लिए PyTorch और PyTorch Lightning के साथ एकीकृत होता है।
किसके लिए
यह मशीन लर्निंग शोधकर्ताओं और नैदानिक डेटा वैज्ञानिकों के लिए उपयुक्त है जिन्हें विभिन्न अंतरराष्ट्रीय आईसीयू डेटाबेस में पूर्वानुमान मॉडल को बेंचमार्क करने के लिए एक एकीकृत पाइपलाइन की आवश्यकता है। यह प्रोग्रामिंग अनुभव के बिना चिकित्सकों या आउट-of-the-box नैदानिक निर्णय समर्थन सॉफ्टवेयर की तलाश करने वालों के लिए उपयुक्त नहीं है।
मुख्य विशेषताएँ
मल्टी-डेटासेट समर्थन
MIMIC-III, MIMIC-IV, eICU-CRD, HiRID और AUMCdb डेटाबेस के साथ आउट-of-the-box संगतता।
मानक नैदानिक कार्य
मृत्यु दर और सेप्सिस जैसे बाइनरी वर्गीकरण और प्रतिगमन समापन बिंदुओं को कवर करने वाले पांच डिफ़ॉल्ट कार्य शामिल हैं।
Parquet-आधारित पाइपलाइन
अंतर्निहित कैश जनरेशन और लोडिंग के साथ प्रीप्रोसेस्ड parquet फ़ाइलों पर कुशलतापूर्वक काम करने के लिए डिज़ाइन किया गया।
PyTorch एकीकरण
स्केलेबल डीप लर्निंग और मॉडल प्रयोग के लिए PyTorch 2.0+ और Lightning 2.0+ पर निर्मित।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- विभिन्न अंतरराष्ट्रीय ICU डेटाबेस में मूल्यांकन को मानकीकृत करता है
- तत्काल पाइपलाइन परीक्षण के लिए पूर्व-कॉन्फ़िगर किए गए डेमो डेटासेट शामिल हैं
- क्लासिक मशीन लर्निंग मॉडल और डीप लर्निंग दोनों का समर्थन करता है
- कोहोर्ट, मॉडल और प्रीप्रोसेसिंग के लिए मॉड्यूलर सहकर्मी रिपॉजिटरी प्रदान करता है
कहाँ कमी है
- पाइथन, CLI टूल और uv जैसे पैकेज मैनेजर के साथ तकनीकी कौशल की आवश्यकता होती है
- पूर्ण उपयोग के लिए बाहरी PhysioNet डेटाबेस तक क्रेडेंशियल एक्सेस प्राप्त करने पर निर्भर करता है
- भारी मल्टी-सेंटर डीप लर्निंग प्रयोगों को चलाने के लिए महत्वपूर्ण GPU कंप्यूट संसाधनों की आवश्यकता होती है
- डेटा प्रीप्रोसेसिंग पाइपलाइनों को अंतर्ग्रहण से पहले पर्याप्त मैनुअल सेटअप की आवश्यकता होती है
मूल्य & लाइसेंस
MIT लाइसेंस के तहत निःशुल्क, जिसमें कोई सशुल्क होस्टेड विकल्प प्रदान नहीं किया जाता है। एकमात्र लागत इसे स्वयं चलाना और मॉडल प्रशिक्षण के लिए आवश्यक हार्डवेयर कंप्यूट प्राप्त करना है।
हिंदी बोलने वालों के लिए जॉब्स
880 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
कौन से डेटासेट आउट-of-the-box समर्थित हैं?
YAIB MIMIC-III, MIMIC-IV, eICU-CRD, HiRID और AUMCdb डेटासेट का समर्थन करता है।
क्या मैं कस्टम डेटासेट और कार्य जोड़ सकता हूँ?
हाँ, फ्रेमवर्क को आपको कस्टम डेटासेट, कोहोर्ट, पूर्वानुमान कार्यों और समापन बिंदुओं को प्रदान करने की अनुमति देने के लिए डिज़ाइन किया गया है।
क्या मुझे YAIB का परीक्षण करने के लिए वास्तविक ICU डेटा तक पहुँच की आवश्यकता है?
नहीं, रिपॉजिटरी में eICU और MIMIC से संसाधित डेमो डेटासेट शामिल हैं ताकि आप तुरंत प्रशिक्षण आदेशों का परीक्षण कर सकें।
