Deepr：一种用于医疗记录的卷积网络
机器学习
2016-07-27 v1 机器学习
摘要
从电子医疗记录创建预测系统时，特征工程仍然是一个主要瓶颈。目前，一个重要的缺失要素是从不规则的事件记录中检测预测性的常规临床基序。我们提出Deepr（Deep record的缩写），一种新的端到端深度学习系统，能够学习从医疗记录中提取特征并自动预测未来风险。Deepr将一条记录转换为由编码的时间间隔和医院转科分隔的离散元素序列。在该序列之上是一个卷积神经网络，用于检测并组合预测性的局部临床基序以对风险进行分层。Deepr允许对其内部工作机制进行透明的检查和可视化。我们在医院数据上验证了Deepr，用于预测出院后的非计划再入院。与传统技术相比，Deepr实现了更优的准确性，检测出有意义的临床基序，并揭示了疾病和干预空间的底层结构。
引用
@article{arxiv.1607.07519,
title = {Deepr: A Convolutional Net for Medical Records},
author = {Phuoc Nguyen and Truyen Tran and Nilmini Wickramasinghe and Svetha Venkatesh},
journal= {arXiv preprint arXiv:1607.07519},
year = {2016}
}