利用跨注意力机制提高机械通气需求预测精度
机器学习
2024-07-24 v1 定量方法
摘要
在重症监护病房中，预测机械通气（MV）需求的能力有助于更及时地进行干预，以改善患者预后。最近的研究在此任务中运用机器学习模型显示出良好性能。本文探索了一种新颖的深度学习模型（FFNN-MHA），即带有多头注意力机制的前馈神经网络，以实现更准确的 MV 预测并减少假阳性，通过学习个体患者的个人化上下文信息。利用公开的 MIMIC-IV 数据集，FFNN-MHA 在 AUC 上提高了 0.0379，假阳性率降低了 17.8%，优于诸如前馈神经网络等基线模型。我们的结果凸显了 FFNN-MHA 模型作为准确预测重症护理环境下机械通气需求的有效工具的潜力。
引用
@article{arxiv.2407.15885,
title = {Improving Prediction of Need for Mechanical Ventilation using Cross-Attention},
author = {Anwesh Mohanty and Supreeth P. Shashikumar and Jonathan Y. Lam and Shamim Nemati},
journal= {arXiv preprint arXiv:2407.15885},
year = {2024}
}