MPRE：用于疾病预测的多视角患者表示提取器
机器学习
2024-01-02 v1 人工智能
摘要
基于电子健康记录的患者表示学习是疾病预测的一项关键任务。该任务旨在有效提取动态特征中的有用信息。尽管现有各类工作已取得显著进展，但通过充分提取动态特征的趋势、变化以及趋势与变化之间的相关性，模型性能仍有进一步提升的空间。此外，稀疏的就诊记录限制了深度学习模型的性能。为解决这些问题，我们提出了用于疾病预测的多视角患者表示提取器。具体而言，我们提出了频率变换模块，用于在时频域中提取动态特征的趋势和变化信息，从而增强特征表示。在二维多提取网络中，我们基于趋势和变化构建二维时序张量。随后，通过所提出的膨胀操作捕捉趋势与变化之间的相关性。此外，我们提出了一阶差分注意力机制，以自适应地计算相邻变化中的差异对疾病诊断的贡献。为评估 MPRE 和基线方法的性能，我们在两个真实的公开数据集上进行了大量实验。实验结果表明，MPRE 在 AUROC 和 AUPRC 指标上均优于 state-of-the-art 基线方法。
引用
@article{arxiv.2401.00756,
title = {MPRE: Multi-perspective Patient Representation Extractor for Disease Prediction},
author = {Ziyue Yu and Jiayi Wang and Wuman Luo and Rita Tse and Giovanni Pau},
journal= {arXiv preprint arXiv:2401.00756},
year = {2024}
}
备注
Accepted by ICDM 2023