HiRID-ICU-Benchmark —— 基于高分辨率 ICU 数据的综合机器学习基准
机器学习
2022-01-19 v4
摘要
近期机器学习方法在重症监护病房（ICU）时间序列数据上取得的成功，暴露出缺乏用于开发与比较此类方法的标准化机器学习基准的问题。尽管如 MIMIC-IV 或 eICU 等原始数据集可在 Physionet 上自由获取，但任务和预处理的选择常因每篇论文而异、临时拟定，限制了跨论文的可比性。本工作中，我们旨在通过提供一个覆盖广泛 ICU 相关任务的基准来改善这一状况。利用 HiRID 数据集，我们与临床医生协作定义了多个临床相关任务。此外，我们提供了可复现的端到端流程以构建数据与标签。最后，我们对当前最先进的序列建模方法进行了深入分析，指出了深度学习方法在此类数据上的一些局限性。借助该基准，我们希望为研究界提供公平比较其工作的可能。
引用
@article{arxiv.2111.08536,
title = {HiRID-ICU-Benchmark -- A Comprehensive Machine Learning Benchmark on High-resolution ICU Data},
author = {Hugo Yèche and Rita Kuznetsova and Marc Zimmermann and Matthias Hüser and Xinrui Lyu and Martin Faltys and Gunnar Rätsch},
journal= {arXiv preprint arXiv:2111.08536},
year = {2022}
}
备注
NeurIPS 2021 (Datasets and Benchmarks)