基于 UMLS 知识图谱的多模态图学习
机器学习
2024-02-07 v2
摘要
临床医生日益寄望于机器学习以获取患者演化相关的洞察。我们提出一种名为多模态 UMLS 图学习（MMUGL）的新方法，利用基于统一医学语言系统（UMLS）的知识图谱上的图神经网络学习医学概念的有意义表示。这些表示被聚合以表征整个患者就诊记录，随后输入序列模型，以患者多次医院就诊的粒度进行预测。我们通过引入先验医学知识并考虑多种模态提升了性能。我们在 MIMIC-III 数据集上将我们的方法与现有用于在不同粒度学习表示的架构进行比较，结果表明我们的方法优于这些方法。结果证明了基于先验医学知识的多模态医学概念表示的重要性。
引用
@article{arxiv.2307.04461,
title = {Multi-modal Graph Learning over UMLS Knowledge Graphs},
author = {Manuel Burger and Gunnar Rätsch and Rita Kuznetsova},
journal= {arXiv preprint arXiv:2307.04461},
year = {2024}
}
备注
Machine Learning for Health (ML4H) 2023 in Proceedings of Machine Learning Research 225