4TaStiC：面向分类长期2型糖尿病患者的时间序列和趋势旅行时间序列聚类
机器学习
2025-05-13 v1 计算机与社会
摘要
糖尿病是全球最流行的疾病之一，由持续的高血糖水平引起，能够损伤 various internal organs and systems。糖尿病患者需要定期体检，导致一系列实验室记录的时间序列，例如血红蛋白 A1c（HbA1c），反映每个患者随时间的健康行为，为医生的建议提供信息。将患者根据其整个时间序列数据聚类有助于医生在无需审阅所有记录的情况下进行诊疗建议和治疗选择。然而，这种类型的数据时间序列聚类存在一些挑战：患者就诊时间点不同，难以捕捉和匹配趋势、峰值和模式。此外，还需考虑两个方面：实验室结果水平的差异以及趋势和模式的差异。为此，我们提出了一种新的聚类算法，称为时间和趋势旅行时间序列聚类（Time and Trend Traveling Time Series Clustering, 4TaStiC），采用基本异质性度量结合欧几里得距离和皮尔逊相关系数度量。我们在人工数据集上对该算法进行评估，将其性能与七种现有方法进行比较。结果表明，4TaStiC 在所针对的数据集上优于其他方法。最后，我们将 4TaStiC 应用于 Siriraj 医院 1,989 例2型糖尿病患者的聚类。每组患者都呈现出清晰的特征，帮助医生高效做出临床决策。此外，该提议算法可应用于医疗领域之外的其他情境。
引用
@article{arxiv.2505.07702,
title = {4TaStiC: Time and trend traveling time series clustering for classifying long-term type 2 diabetes patients},
author = {Onthada Preedasawakul and Nathakhun Wiroonsri},
journal= {arXiv preprint arXiv:2505.07702},
year = {2025}
}