COPER：连续患者状态感知器
机器学习
2022-11-28 v2 人工智能
摘要
在电子健康记录（EHRs）中，不规则时间序列（ITS）因患者健康动态而自然产生，体现为不规则的医院就诊、疾病/状况以及每次就诊需测量不同生命体征等。ITS对训练机器学习算法提出挑战，因后者大多建立在连贯固定维特征空间的假设上。本文提出一种新颖的连续患者状态感知器模型，称为COPER，以应对EHRs中的ITS。COPER使用Perceiver模型与神经常微分方程（ODEs）概念来学习患者状态的连续时间动态，即输入空间的连续性与输出空间的连续性。神经ODEs帮助COPER生成规则时间序列以输入具有处理多模态大规模输入能力的Perceiver模型。为评估所提模型性能，我们在MIMIC-III数据集上使用院内死亡率预测任务，并精心设计实验以研究不规则性。结果通过与基线对比证明了所提模型的有效性。
引用
@article{arxiv.2208.03196,
title = {COPER: Continuous Patient State Perceiver},
author = {Vinod Kumar Chauhan and Anshul Thakur and Odhran O'Donoghue and David A. Clifton},
journal= {arXiv preprint arXiv:2208.03196},
year = {2022}
}
备注
2 figures; presented in IEEE International Conference on Biomedical and Health Informatics (IEEE BHI-2022)