面向云中危急事件预测的分布式分层局部敏感哈希
机器学习
2017-12-04 v1
摘要
海量医疗数据仓储的出现需要高效的数据驱动医学工具。我们引入了一种用于分层局部敏感哈希（Stratified Locality Sensitive Hashing）的分布式系统，以在大型医疗波形数据集上执行基于相似度的快速预测。我们针对 ICU 用例的实现以延迟优先于吞吐量为原则，并面向云环境。我们在基于动脉血压波形预测急性低血压事件（Acute Hypotensive Episode）上展示了我们的系统。在包含 百万个数据点的数据集上，我们展示了扩展至 个处理器的能力，以及相较并行穷举搜索在比较次数上 的加速，代价是 Matthews 相关系数（MCC）损失 。此外，若可容忍额外的 MCC 损失，我们的系统可实现高达两个数量级的加速。
引用
@article{arxiv.1712.00206,
title = {Distributed Stratified Locality Sensitive Hashing for Critical Event Prediction in the Cloud},
author = {Alessandro De Palma and Erik Hemberg and Una-May O'Reilly},
journal= {arXiv preprint arXiv:1712.00206},
year = {2017}
}
备注
Accepted poster at NIPS 2017 Workshop on Machine Learning for Health (https://ml4health.github.io/2017/)