面向医疗保健的广度学习

医疗保健领域每天都在产生来自不同模态的广泛数据，包括标量数据（例如在医院收集的临床测量值）、张量数据（例如由研究机构分析的神经影像）、图数据（例如大脑连接网络）以及序列数据（例如由智能传感器记录的数字足迹）。对这些来自异构数据源的信息进行建模的能力，对于研究疾病机制和指导治疗干预具有潜在的变革性。我们在本论文中的工作旨在促进广度学习环境下的医疗保健应用，该环境专注于融合异构数据源以进行各种协同知识发现和机器学习任务。我们通常对计算机辅助诊断、精准医疗和移动健康感兴趣，通过创建包含重要生物标志物、大脑连接模式和潜在表示的准确用户画像来实现。具体而言，我们的工作涉及应用于医疗保健领域的四个不同数据挖掘问题：多视图特征选择、子图模式挖掘、大脑网络嵌入和多视图序列预测。