用于分类糖尿病相关自由文本记录的深度学习算法开发：卷积神经网络精度高于支持向量机
计算与语言
2018-09-18 v1 机器学习
机器学习
摘要
健康专业人员在审阅电子健康记录(EHR)时可使用自然语言处理(NLP)技术。机器学习的自由文本分类器可帮助他们识别问题并做出关键决策。我们旨在开发识别EHR中与糖尿病相关进展记录的深度学习神经网络算法，并在两家机构验证这些算法。所使用的数据为从糖尿病患者处检索的2000份EHR进展记录，所有记录均被手动标注为糖尿病或非糖尿病。我们开发了若干深度学习分类器，并以ROC曲线下面积(AUC)评估其性能。带有可分离卷积层的卷积神经网络(CNN)模型在布列根和妇女医院测试集中以0.975的最高AUC准确识别了糖尿病相关记录。深度学习分类器可用于识别EHR中与糖尿病相关的进展记录。特别是，基于CNN的分类器可达到比基于SVM的分类器更高的AUC。
引用
@article{arxiv.1809.05814,
title = {Development of deep learning algorithms to categorize free-text notes pertaining to diabetes: convolution neural networks achieve higher accuracy than support vector machines},
author = {Boyi Yang and Adam Wright},
journal= {arXiv preprint arXiv:1809.05814},
year = {2018}
}
备注
9 pages, 4 figures, submitted to Journal of the American Medical Informatics Association (JAMIA) on September 15th, 2018