合成患者生成：一种基于变分自编码器的深度学习方法
机器学习
2018-08-21 v1 机器学习
摘要
医疗领域的人工智能是一个崭新且令人振奋的前沿，其可能性无穷无尽。随着深度学习方法在许多领域超越人类表现，合乎逻辑的下一步是尝试将其应用于医疗领域。要使这些及其他机器学习方法产生良好结果并发挥其潜力，对大量准确数据的需求与重视程度是无与伦比的。这是许多行业面临的挑战，在医疗领域尤为突出。我们提出一种使用变分自编码器（VAE）的方法来生成更多数据以训练更深层的网络，并揭示诊断及其患者中的潜在模式。通过在可用数据上训练VAE，它能够学习给定诊断下患者特征的潜在分布。训练后，便可以从学习到的潜在分布中采样，以在给定患者诊断的情况下生成新的准确患者记录。
引用
@article{arxiv.1808.06444,
title = {Synthetic Patient Generation: A Deep Learning Approach Using Variational Autoencoders},
author = {Ally Salim},
journal= {arXiv preprint arXiv:1808.06444},
year = {2018}
}