基于循环神经网络处理缺失血液检测数据对术后手术部位感染的分类
神经与进化计算
2017-11-20 v1 计算机与社会
机器学习
摘要
可表示为时间序列的临床检测数据是电子健康记录的重要组成部分，且常常既不确定又不完整。循环神经网络是一类特别适合处理时间序列数据的特殊神经网络，但其原始形式不能显式处理缺失数据。本文中，我们探索了基于循环神经网络(RNN)的分类器中处理缺失值的填补策略，并应用了最近提出的一种专为处理缺失数据设计的循环架构——带衰减的门控循环单元(Gated Recurrent Unit with Decay)。我们聚焦于通过分析患者血液样本测量的时间序列来检测手术部位感染的问题，并比较了使用不同基于RNN的分类器所获得的结果。
引用
@article{arxiv.1711.06516,
title = {Classification of postoperative surgical site infections from blood measurements with missing data using recurrent neural networks},
author = {Andreas Storvik Strauman and Filippo Maria Bianchi and Karl Øyvind Mikalsen and Michael Kampffmeyer and Cristina Soguero-Ruiz and Robert Jenssen},
journal= {arXiv preprint arXiv:1711.06516},
year = {2017}
}