CATNet：基于跨事件注意力的时间感知网络用于医疗事件预测
机器学习
2022-05-02 v1 人工智能
摘要
医疗事件预测（MEP）是医疗领域的一项基础任务，需要根据历史医疗记录预测医疗事件，包括药物、诊断代码、实验室检查、操作、结果等。该任务具有挑战性，因为医疗数据是一种具有异质性和时间不规则特性的复杂时间序列数据。许多考虑这两种特性的机器学习方法已被提出用于医疗事件预测。然而，它们大多分别考虑这两种特性，并忽略了不同类型医疗事件之间的相关性，尤其是历史医疗事件与目标医疗事件之间的关系。本文提出一种基于注意力机制的新型神经网络，称为基于跨事件注意力的时间感知网络（CATNet），用于医疗事件预测。它是一种时间感知、事件感知和任务自适应的方法，具有以下优势：1) 以统一方式建模异质信息与时间信息，并分别局部和全局地考虑时间不规则特性；2) 通过跨事件注意力充分利用不同类型事件之间的相关性。在两个公开数据集（MIMIC-III 和 eICU）上的实验表明，CATNet 能适应不同的 MEP 任务，并在各种 MEP 任务上优于其他最先进（SOTA）方法。CATNet 的源代码将在本稿件被接收后发布。
引用
@article{arxiv.2204.13847,
title = {CATNet: Cross-event Attention-based Time-aware Network for Medical Event Prediction},
author = {Sicen Liu and Xiaolong Wang and Yang Xiang and Hui Xu and Hui Wang and Buzhou Tang},
journal= {arXiv preprint arXiv:2204.13847},
year = {2022}
}
备注
15 pages,4 figures