结合LSTM与潜在主题建模的死亡率预测
计算与语言
2017-09-12 v1
摘要
对于能够同时具有高准确率和可解释性地预测重症监护病房患者死亡率的技术，存在巨大需求。我们提出了联合端到端神经网络架构，结合长短期记忆(LSTM)与潜在主题模型，同时训练用于死亡率预测的分类器并从文本临床记录中学习指示死亡的潜在主题。对于主题可解释性，主题建模层被精心设计为具有受LDA启发约束的单层网络。在MIMIC-III数据集上的实验表明，我们的模型在死亡率预测上显著优于先前基于LDA主题的模型。然而，我们通过查看神经网络权重来解释训练模型中主题的方法取得的成功有限。
引用
@article{arxiv.1709.02842,
title = {Combining LSTM and Latent Topic Modeling for Mortality Prediction},
author = {Yohan Jo and Lisa Lee and Shruti Palaskar},
journal= {arXiv preprint arXiv:1709.02842},
year = {2017}
}