MEET-Sepsis：面向早期败血症预测的多内生视图增强时序表示学习
机器学习
2025-10-22 v2 人工智能
摘要
败血症是与重症监护病房（ICU）死亡率密切相关的致命性感染综合征。早期准确预测败血症（SP）对于及时干预至关重要，但由于早期表现微弱且死亡率迅速恶化，仍面临挑战。虽然人工智能已提高了 SP 的效率，但现有方法难以捕捉弱早期时序信号。本文引入多内生视图表示增强（MERE）机制以构建丰富特征视图，结合级联双卷积时序注意（CDTA）模块进行多尺度时序表示学习。提出的 MEET-Sepsis 框架仅需 SOTA 方法监控时间的 20%，即可实现竞争性预测准确率，显著推动了早期 SP。广泛的实验验证确认其有效性。代码已公开：https://github.com/yueliangy/MEET-Sepsis。
引用
@article{arxiv.2510.15985,
title = {MEET-Sepsis: Multi-Endogenous-View Enhanced Time-Series Representation Learning for Early Sepsis Prediction},
author = {Zexi Tan and Tao Xie and Binbin Sun and Xiang Zhang and Yiqun Zhang and Yiu-Ming Cheung},
journal= {arXiv preprint arXiv:2510.15985},
year = {2025}
}
备注
Accepted to PRICAI 2025