利用庞加莱嵌入学习医学概念的上下文层次结构以厘清表型
定量方法
2018-11-06 v1 计算与语言
摘要
生物医学关联研究日益使用临床概念，特别是来自临床数据存储库的诊断为表型。临床概念可使用词嵌入模型表示为有意义的向量空间。这些嵌入允许在临床概念之间进行比较，或作为机器学习模型的直接输入。使用传统方法，良好的表示需要高维数，使可视化和下游任务更加困难。我们将庞加莱嵌入应用于二维双曲空间中的大规模行政索赔数据库，并展示出与百维欧氏空间嵌入相当的性能。我们随后在不同疾病背景下考察疾病关系，以更好地理解潜在表型。
引用
@article{arxiv.1811.01294,
title = {Learning Contextual Hierarchical Structure of Medical Concepts with Poincair\'e Embeddings to Clarify Phenotypes},
author = {Brett K. Beaulieu-Jones and Isaac S. Kohane and Andrew L. Beam},
journal= {arXiv preprint arXiv:1811.01294},
year = {2018}
}
备注
To appear in 2019 Pacific Symposium on Biocomputing