来自联网医疗设备的多变量时间序列聚类模型比较研究
机器学习
2024-01-11 v2 人工智能
神经与进化计算
摘要
在医疗保健中，患者数据通常以多变量时间序列的形式收集，提供患者健康状况随时间的全面视图。虽然这些数据可能稀疏，但联网设备可以增加其频率。目标是从这些时间序列中创建患者档案。在没有标签的情况下，可以使用预测模型来预测未来值，同时形成潜在聚类空间，并根据预测性能进行评估。我们在Withing的数据集上比较了两个模型：MAGMACLUST（对整个时间序列进行聚类）和DGM²（允许个体的群体归属随时间变化，即动态聚类）。
引用
@article{arxiv.2312.17286,
title = {Comparative study of clustering models for multivariate time series from connected medical devices},
author = {Violaine Courrier and Christophe Biernacki and Cristian Preda and Benjamin Vittrant},
journal= {arXiv preprint arXiv:2312.17286},
year = {2024}
}
备注
in French language. EGC 2024 - 24{\`e}me Conf{\'e}rence Francophone sur l'Extraction et Gestion des Connaissances, Jan 2024, Dijon, France