基于半监督混合隶属度模型的表型推断
机器学习
2019-03-27 v2 定量方法
机器学习
摘要
疾病表型算法处理观察性临床数据以识别患有特定疾病的患者。有监督表型方法需要大量的专家标注数据，而无监督方法可能学到非疾病表型。为应对这些局限，我们提出了半监督混合隶属度模型（SS3M）——一种用于从标注相对较少的临床数据中学习疾病表型的概率图模型。我们表明，SS3M 能够学习可解释、疾病特异的表型，这些表型捕捉了由所提供的标注所指定疾病的临床特征。
引用
@article{arxiv.1812.03222,
title = {Phenotype Inference with Semi-Supervised Mixed Membership Models},
author = {Victor Rodriguez and Adler Perotte},
journal= {arXiv preprint arXiv:1812.03222},
year = {2019}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 https://urldefense.proofpoint.com/v2/url?u=https-3A__arxiv.org_abs_1811.07216&d=DwIEaQ&c=G2MiLlal7SXE3PeSnG8W6_JBU6FcdVjSsBSbw6gcR0U&r=V4N8fh0BvUFXSfHS_5FyHekWwaQfwQATAFihsExKikM&m=3ZpgK5EnFWR2OpdKWz1sCspjnLWOElIt_VHn1RMHJ5U&s=iE0HP7cbAigUopbIm2O8hByUTkVYvOw7R2y8QoF6GRg&e=