使用 BiLSTM 网络在时间序列数据中检测血培养阳性
机器学习
2016-12-06 v1 神经与进化计算
定量方法
机器学习
摘要
患者血液中出现细菌或真菌属于异常现象，可能导致危及生命的状况。本文探索了一种基于双向长短期记忆人工神经网络（BiLSTM）的计算模型，以协助重症监护室（ICU）医生预测患者的血培养检查是否将呈阳性。该模型以时间序列数据形式呈现的九项监测临床参数作为输入，这些数据收集自根特大学医院 2177 例 ICU 入院记录。我们的主要目标是确定通用机器学习方法，特别是时间序列模型，能否用于构建早期检测系统。这项初步研究在精确率-召回率曲线下获得了 71.95% 的面积，证明了时间序列神经网络在此背景下的潜力。
引用
@article{arxiv.1612.00962,
title = {Positive blood culture detection in time series data using a BiLSTM network},
author = {Leen De Baets and Joeri Ruyssinck and Thomas Peiffer and Johan Decruyenaere and Filip De Turck and Femke Ongenae and Tom Dhaene},
journal= {arXiv preprint arXiv:1612.00962},
year = {2016}
}