基于深度学习方法的新冠肺炎相关住院激增的早期预测
机器学习
2021-11-29 v2 机器学习
摘要
由 COVID-19 引起的全球大流行在各方面影响着我们的生活。截至 9 月 11 日，已有超过 2800 万人经检测确诊感染 COVID-19，超过 91.1 万人在这场与病毒的战斗中失去生命。由于住院容量限制和 ICU 床位短缺，一些患者无法得到适当的医疗救治。对未来的住院情况进行估计至关重要，以便按需分配医疗资源。在本研究中，我们提出使用 4 种循环神经网络来推断相较于当前周的下周住院变化。结果表明，带注意力的序列到序列（sequence to sequence）模型在住院预测中达到了 0.938 的高准确率和 0.850 的 AUC。我们的工作有潜力预测住院需求，并在重新激增初起时向医疗提供者及其他利益相关方发出警告。
引用
@article{arxiv.2009.08093,
title = {An early prediction of covid-19 associated hospitalization surge using deep learning approach},
author = {Yuqi Meng and Qiancheng Sun and Suning Hong and Ying Zhao and Zhixiang Li},
journal= {arXiv preprint arXiv:2009.08093},
year = {2021}
}