基于深度人工神经网络的死亡证明根本死因预测模型
机器学习
2019-08-27 v1 机器学习
应用统计
摘要
死亡证明的根本死因编码目前主要由人工完成，并可能借助如 Iris 软件等专家系统辅助。因此这是一个昂贵的过程，且可能存在地理空间差异，从而严重损害国际层面死亡统计的可比性。人工智能的最新进展，特别是深度学习方法的兴起，使计算机能够在许多以往被认为无人工辅助便无法解决的复杂问题上做出高效决策。然而，它们需要从大量数据中学习，这通常是其主要限制因素。不过，CépiDc 存储了法国全国范围的死亡证明详尽数据库，为机器学习从业者提供了数百万训练样本。本文提出了一种基于深度学习的工具，可根据死亡证明中的数据自动编码根本死因，准确率达 97.8%，相较于在相同测试样本上评估的 Iris 软件 75% 的准确率是一项实质性进展。这一改进开辟了一整套新应用，从病理解剖学家级别的批量自动编码到死因统计的国际与时间一致性协调。
引用
@article{arxiv.1908.09712,
title = {A deep artificial neural network based model for underlying cause of death prediction from death certificates},
author = {Louis Falissard and Claire Morgand and Sylvie Roussel and Claire Imbaud and Walid Ghosn and Karim Bounebache and Grégoire Rey},
journal= {arXiv preprint arXiv:1908.09712},
year = {2019}
}
备注
25 pages, 12 figures