MedFuse：用于不规则临床时间序列的乘法嵌入融合
人工智能
2025-11-13 v1
摘要
源自电子健康记录(EHRs)的临床时间序列本质上不规则，存在异步抽样、缺失值和异构特征动力学。虽然数值实验室测量信息丰富，但现有的嵌入策略通常通过加法运算融合特征标识和值嵌入，这限制了其捕获值相关特征相互作用的能力。我们提出MedFuse，一个围绕MuFuse(Multiplicative Embedding Fusion)模块的不规则临床时间序列框架。MuFuse通过乘法调制融合值和特征嵌入，保留特征特定信息的同时建模跨特征的 higher-order 依赖。针对覆盖严重和慢性护理的三个真实数据集上的实验表明，MedFuse 在关键预测任务上 consistently 超越了 state-of-the-art baseline。对所学表示的分析进一步表明，乘法融合增强了表达性并支持跨数据集的预训练。这些结果将MedFuse确立为建模不规则临床时间序列的通用方法。
引用
@article{arxiv.2511.09247,
title = {MedFuse: Multiplicative Embedding Fusion For Irregular Clinical Time Series},
author = {Yi-Hsien Hsieh and Ta-Jung Chien and Chun-Kai Huang and Shao-Hua Sun and Che Lin},
journal= {arXiv preprint arXiv:2511.09247},
year = {2025}
}