GRU-D 揭示 MIMIC-IV 中年龄特异性时序缺失性
机器学习
2024-10-10 v1 机器学习
摘要
时序缺失性定义为时间序列中的不可观测模式，其预测潜力代表了临床机器学习中的一个新兴领域。我们训练了一个带有衰减机制的门控循环单元，称为GRU-D，用于 elderly 与 young 患者之间的二元分类。我们从MIMIC-IV中提取了5个生命体征的时间序列作为模型输入。GRU-D以0.780 AUROC和0.810 AUPRC在引导数据上的评估。通过解释训练模型参数，我们发现血压缺失性和呼吸率缺失性是参数化隐藏门单元学习的重要预测因子。我们成功地展示了GRU-D如何用于揭示时序缺失性模式，为新研究方向奠定了基础。
引用
@article{arxiv.2410.05350,
title = {GRU-D Characterizes Age-Specific Temporal Missingness in MIMIC-IV},
author = {Niklas Giesa and Mert Akgül and Sebastian Daniel Boie and Felix Balzer},
journal= {arXiv preprint arXiv:2410.05350},
year = {2024}
}
备注
5 pages, 1 table, 2 figures