心脏生理与心电图的概率模型
机器学习
2018-12-04 v1 机器学习
定量方法
摘要
心电图（EKG）是一种常见、非侵入性的检测，用于测量患者心脏的电活动。EKG包含有关患者健康的有用诊断信息，这些信息可能缺失于其他电子健康记录（EHR）数据中。作为多维波形，它们可以使用通用机器学习工具建模，例如线性因子模型或变分自编码器。我们采取了不同的方法：我们指定了一个直接表示心脏潜在电生理学和EKG测量过程的模型。我们将模型应用于两个数据集，包括一个带有缺失数据的急诊科EKG报告样本。我们表明，在存在显著缺失数据的情况下，我们的模型比标准基线能更准确地重建缺失数据（以测试重建误差衡量）。更广泛地说，这种心脏功能的生理学表示可能在多种场景中有用，包括预测、因果分析和发现。
引用
@article{arxiv.1812.00209,
title = {A Probabilistic Model of Cardiac Physiology and Electrocardiograms},
author = {Andrew C. Miller and Ziad Obermeyer and David M. Blei and John P. Cunningham and Sendhil Mullainathan},
journal= {arXiv preprint arXiv:1812.00209},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:cs/0101200