利用患者元数据与多任务网络提前预测室性快速性心律失常
机器学习
2018-12-03 v1 定量方法
机器学习
摘要
我们描述了一种用于预测室性快速性心律失常的新型神经网络架构。该模型接收捕捉RR间期与异位搏动变化的输入特征，以及基于心率变异性与频率分析的特征。患者年龄也作为可训练嵌入被纳入，而整个网络以多任务目标进行优化。这些改动中的每一个都为模型性能带来了一致的提升，在事件发生前60秒取得了74.02%的预测准确率与77.22%的特异度。
引用
@article{arxiv.1811.12938,
title = {Advance Prediction of Ventricular Tachyarrhythmias using Patient Metadata and Multi-Task Networks},
author = {Marek Rei and Joshua Oppenheimer and Marek Sirendi},
journal= {arXiv preprint arXiv:1811.12938},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018