用于从血液样本识别手术部位感染患者的无监督多元时间序列核方法
机器学习
2018-03-22 v1 机器学习
摘要
电子健康记录的很大一部分由随时间收集的临床测量数据组成，例如血液检查，这些数据提供了关于患者健康状况的重要信息。这些临床测量序列自然地表示为时间序列，其特征在于多变量以及缺失数据的存在，这使得分析变得复杂。在这项工作中，我们提出了一种针对接受结直肠癌手术患者的手术部位感染检测框架，该框架是完全无监督的，从而缓解了获取标注训练数据的问题。该框架基于用于多元时间序列的强大核函数，这些核函数在计算相似度时考虑了缺失数据。与必须借助插补技术的基线方法相比，我们的方法表现出更优的性能，并且与有监督分类基线的性能相当。
引用
@article{arxiv.1803.07879,
title = {An Unsupervised Multivariate Time Series Kernel Approach for Identifying Patients with Surgical Site Infection from Blood Samples},
author = {Karl Øyvind Mikalsen and Cristina Soguero-Ruiz and Filippo Maria Bianchi and Arthur Revhaug and Robert Jenssen},
journal= {arXiv preprint arXiv:1803.07879},
year = {2018}
}