用于阿尔茨海默病进展未来预测的个性化高斯过程
机器学习
2018-05-07 v4 定量方法
机器学习
摘要
在本文中，我们引入个性化高斯过程模型（pGP）来基于每位患者先前的就诊记录预测阿尔茨海默病进展的关键指标（MMSE、ADAS-Cog13、CDRSB 和 CS）。我们首先使用基础高斯过程（GP）回归，利用已见过的多模态患者数据学习一个群体级模型。然后，该模型随时间通过域自适应 GP 顺序适配到新患者，形成该患者的 pGP。我们表明，这种新方法结合自回归公式，相比于使用传统 GP 对群体建模，在预测目标患者未来临床状态和认知评分方面带来了显著改进。
引用
@article{arxiv.1712.00181,
title = {Personalized Gaussian Processes for Future Prediction of Alzheimer's Disease Progression},
author = {Kelly Peterson and Ognjen Rudovic and Ricardo Guerrero and Rosalind W. Picard},
journal= {arXiv preprint arXiv:1712.00181},
year = {2018}
}
备注
13 pages