SAFS：一种面向精准医疗的深度特征选择方法
机器学习
2017-04-21 v1 机器学习
摘要
本文提出一种基于深度架构的新型深度特征选择方法。我们的方法使用堆叠自编码器（stacked auto-encoders）进行高层抽象的特征表示。我们开发并将一种新颖的特征学习方法应用于一个特定的精准医疗问题，该问题侧重于评估和优先排序脆弱人口亚组（非裔美国人）中高血压（HTN）的风险因素。我们的方法是利用深度学习来识别影响按体表面积指数的左心室质量（LVMI）的显著风险因素，将其作为心脏损伤风险的指标。结果表明，我们的特征学习与表示方法相较于其他方法取得了更好的结果。
引用
@article{arxiv.1704.05960,
title = {SAFS: A Deep Feature Selection Approach for Precision Medicine},
author = {Milad Zafar Nezhad and Dongxiao Zhu and Xiangrui Li and Kai Yang and Phillip Levy},
journal= {arXiv preprint arXiv:1704.05960},
year = {2017}
}