基于多元抽象与区间的动态时间规整方法作为纵向医疗记录相似性度量的实现与评估
摘要
我们将动态时间规整（DTW）扩展为基于区间的动态时间规整（iDTW），包括（A）基于区间的表示（iRep）：[1] 将原始时间戳数据抽象为基于区间的抽象，[2] 比较周期界定，[3] 将抽象区间划分为给定时间粒度；（B）基于区间的匹配（iMatch）：使用改进的 DTW 匹配已划分的抽象概念记录。利用领域知识，我们将医疗记录的原始数据（四个或五个相关概念中的至多三个）抽象为两类区间：状态抽象（如 LOW、HIGH）和梯度抽象（如 INCREASING、DECREASING）。我们创建了所有单维（状态或梯度）或多维（状态和梯度）抽象组合。任务：将 161 份肿瘤学患者记录分类为自体或异体骨髓移植；将 125 份肝炎患者记录分类为 B 或 C 型肝炎；预测 151 名 2 型糖尿病患者在下一年发生微或大量白蛋白尿。我们使用 k-近邻多数投票，k 为 1 到 SQRT(N) 的奇数，N 为集合大小。共执行 75,936 次 10 折交叉验证实验：33,600（肿瘤学）、28,800（肝炎）、13,536（糖尿病）。度量：曲线下面积（AUC）、最优尤登指数。配对 t 检验比较除被测变量外配置等价的结果向量，以确定显著的平均准确率差异（P<0.05）。使用抽象的分类和预测平均表现显著优于仅使用原始时间戳数据。在每个领域中，至少一种抽象组合的平均表现显著优于原始数据。增加特征数量和使用多维抽象提升了性能。与原始数据不同，使用抽象时常在 k=5 时达到最优平均性能。
引用
@article{arxiv.2105.08450,
title = {Implementation and Evaluation of a Multivariate Abstraction-Based, Interval-Based Dynamic Time-Warping Method as a Similarity Measure for Longitudinal Medical Records},
author = {Yuval Shahar and Matan Lion},
journal= {arXiv preprint arXiv:2105.08450},
year = {2021}
}
备注
38 pages; 5 figures; 8 tables including three in the Appendix. Compared to the previous version, we have recomputed more accurately the number of experimental instances, and added two tables of summary and examples to the Results