ODVICE：一种用于交互式队列抽取的本体驱动可视化分析工具
机器学习
2020-05-14 v1 信息检索
机器学习
摘要
电子健康记录（EHR）可用性的提升使研究人员能够研究各种医学问题。针对所研究假设进行队列选择是 EHR 分析的主要考量之一。对于罕见疾病，从 EHR 抽取的队列包含的记录数非常有限——削弱了任何分析的稳健性。数据增强方法已在其他领域成功应用以主要通过模拟记录解决此问题。在本文中，我们提出 ODVICE，一个利用医学概念本体、通过新颖的本体引导蒙特卡洛图生成算法系统性增强记录的数据增强框架。该工具允许终端用户指定一小组交互式控件以控制增强过程。我们通过在 MIMIC-III 数据集上针对两项学习任务开展研究来分析 ODVICE 的重要性。我们的结果展示了 ODVICE 增强队列的预测性能，显示曲线下面积（AUC）较非增强数据集及其他数据增强策略提升约 30%。
引用
@article{arxiv.2005.06434,
title = {ODVICE: An Ontology-Driven Visual Analytic Tool for Interactive Cohort Extraction},
author = {Mohamed Ghalwash and Zijun Yao and Prithwish Chakrabotry and James Codella and Daby Sow},
journal= {arXiv preprint arXiv:2005.06434},
year = {2020}
}