大型医疗 MIMIC 数据集上的深度学习模型基准测试
机器学习
2017-10-25 v1 计算机与社会
机器学习
摘要
深度学习模型（又称深度神经网络）已彻底改变了计算机视觉、自然语言处理、语音识别等诸多领域，并正越来越多地应用于临床医疗保健。然而，鲜有工作针对公开可用的医疗数据集，将深度学习模型的性能与最先进的机器学习模型及预后评分系统进行基准测试。在本文中，我们展示了使用深度学习模型、机器学习模型集成（Super Learner 算法）、SAPS II 和 SOFA 评分对多项临床预测任务（如死亡率预测、住院时长预测和 ICD-9 代码组预测）的基准测试结果。我们使用了公开可用的医疗信息重症监护室 III（MIMIC-III）(v1.4) 数据集进行基准测试任务，该数据集包含 2001 年至 2012 年期间入住贝斯以色列女执事医疗中心重症监护室的所有患者。我们的结果表明，深度学习模型始终优于其他所有方法，特别是当使用“原始”临床时间序列数据作为模型的输入特征时。
引用
@article{arxiv.1710.08531,
title = {Benchmark of Deep Learning Models on Large Healthcare MIMIC Datasets},
author = {Sanjay Purushotham and Chuizheng Meng and Zhengping Che and Yan Liu},
journal= {arXiv preprint arXiv:1710.08531},
year = {2017}
}
备注
Submitted to Journal of Biomedical Informatics (JBI). First two authors have equal contributions