一种新型混合序数学习模型及其在医疗保健中的应用
机器学习
2023-12-18 v1 最优化与控制
摘要
序数学习是一类在医疗保健应用中具有广泛效用的机器学习模型，例如诊断疾病的不同等级（如轻度、中度、重度）以及预测疾病进展速度（如极快、快、中等、慢）。本文旨在解决由于成本或可用性限制导致训练集中精确标注样本有限，而可能存在大量不精确标注样本的情况。我们关注的不精确标签为区间形式，即可以知道样本属于某个标签区间，但无法知道其具体唯一标签。由于诊断仪器的局限性、临床就诊稀疏或/和患者脱落，这种情况在医疗保健数据集中非常普遍。开发针对不精确/区间标签的 OL 模型的研究十分有限。我们提出了一种新的混合序数学习器，将具有精确标签和区间标签的样本整合起来，以训练稳健的 OL 模型。我们还开发了一种可处理且高效的优化算法来求解 HOL 公式。我们在四个基准数据集上将 HOL 与几种最近开发的 OL 方法进行了比较，证明了 HOL 的优越性能。最后，我们将 HOL 应用于真实世界数据集，基于多模态神经影像和人口统计/临床数据集的组合，预测患有轻度认知障碍（MCI）个体进展为阿尔茨海默病（AD）的速度。HOL 在预测中实现了高准确率，并优于现有方法。准确预测每位 MCI 个体进展为 AD 速度的能力，有望帮助促进更加个体优化的干预策略。
引用
@article{arxiv.2312.09540,
title = {A Novel Hybrid Ordinal Learning Model with Health Care Application},
author = {Lujia Wang and Hairong Wang and Yi Su and Fleming Lure and Jing Li},
journal= {arXiv preprint arXiv:2312.09540},
year = {2023}
}
备注
16 pages, 3 figures, 2 tables