基于卷积残差模型从医疗纯文本进行多标签学习
机器学习
2018-08-10 v2 机器学习
应用统计
摘要
从电子健康记录（EHRs）预测诊断是多标签学习的一项重要医学应用。我们提出了一种卷积残差模型，用于从 EHR 数据中的医生笔记进行多标签分类。给定患者可能有多个诊断，因此需要多标签学习。我们采用卷积神经网络（CNN）将纯文本编码为固定长度的句子嵌入向量。由于诊断通常是相关的，在 CNN 编码器之上采用深度残差网络，以捕获标签（诊断）依赖关系并直接从编码的句子向量中纳入信息。我们考虑了一个真实的 EHR 数据集，并将所提模型与几个知名基线进行比较，以基于医生笔记预测诊断。实验结果证明了所提卷积残差模型的优越性。
引用
@article{arxiv.1801.05062,
title = {Multi-Label Learning from Medical Plain Text with Convolutional Residual Models},
author = {Xinyuan Zhang and Ricardo Henao and Zhe Gan and Yitong Li and Lawrence Carin},
journal= {arXiv preprint arXiv:1801.05062},
year = {2018}
}
备注
Machine Learning for Healthcare 2018 spotlight paper