Mimic-III 数据集中的患者轨迹预测:挑战与陷阱
机器学习
2019-12-02 v4 神经与进化计算
机器学习
摘要
随着人工智能的发展以及计算机辅助医学潜力的显现,自动化医疗预后已引起关注。然而,设计一个给定患者病史便能预测可能未来状况的有效系统颇具挑战。先前工作多在私有数据集上开展,使用无法处理低基数数据集的人工神经网络架构,或通过不可泛化的推断方法解决该问题。我们引入一种深度学习架构,其设计源于密集实验过程。最终架构基于两个并行的最小门控循环单元网络以双向方式工作,并使用开放获取的 Mimic-III 数据集进行了广泛测试。我们的结果证明了以 Recall@k 衡量的自动化医疗预后的显著改进。我们将经验总结为一组有关深度学习架构设计的相关见解。我们的工作提升了计算机辅助医学的性能,并可作为预测任务中人工神经网络设计的指南。
引用
@article{arxiv.1909.04605,
title = {Patient trajectory prediction in the Mimic-III dataset, challenges and pitfalls},
author = {Jose F Rodrigues-Jr and Gabriel Spadon and Bruno Brandoli and Sihem Amer-Yahia},
journal= {arXiv preprint arXiv:1909.04605},
year = {2019}
}