基于电子健康记录（EHR）数据使用多种机器学习与深度学习方法的患者严重程度状态分类
机器学习
2022-09-30 v1 人工智能
摘要
本研究考察了在特定时间范围内基于电子健康记录使用多种机器学习和深度学习方法对患者严重程度状态进行分类。所建议的方法使用从开源平台收集的EHR数据集来分类严重程度。本研究使用了一些工具，例如openRefine用于预处理，RapidMiner用于实现三种算法（Fast Large Margin、Generalized Linear Model、Multi-layer Feed-forward Neural Network），Tableau用于数据可视化，算法实现使用Google Colab。这里我们实现了若干监督与无监督算法，以及半监督与深度学习算法。实验结果显示，超参数调优的Random Forest以76%准确率优于所有其他监督机器学习算法，且Generalized Linear算法取得最高精确率得分78%，而超参数调优的Hierarchical Clustering以86%精确率得分和Gaussian Mixture Model以61%准确率优于其他无监督方法。降维大幅改善了大多数无监督技术的结果。深度学习方面我们采用了前馈神经网络（多层），半监督学习采用了Fast Large Margin方法。Fast Large Margin表现优异，召回率得分84%、F1得分78%。最后，Multi-layer Feed-forward Neural Network表现良好，准确率75%、精确率75%、召回率87%、F1得分81%。
引用
@article{arxiv.2209.14907,
title = {Patients' Severity States Classification based on Electronic Health Record (EHR) Data using Multiple Machine Learning and Deep Learning Approaches},
author = {A. N. M. Sajedul Alam and Rimi Reza and Asir Abrar and Tanvir Ahmed and Salsabil Ahmed and Shihab Sharar and Annajiat Alim Rasel},
journal= {arXiv preprint arXiv:2209.14907},
year = {2022}
}
备注
32 pages, 13 figures, and 14 tables