利用自编码器发现患者表型
机器学习
2017-03-22 v1
摘要
我们使用自编码器来创建潜在患者表型的低维嵌入，我们假设这些表型是决定不同患者对不同的干预措施作出何种反应的关键因素。我们将以拼接时间步长的定长序列作为输入的自编码器与循环序列到序列自编码器的性能进行比较。我们在来自 Beth Israel Deaconess 医院的最新 MIMIC III 数据集上的约 35,500 名患者上评估了我们的方法。
引用
@article{arxiv.1703.07004,
title = {The Use of Autoencoders for Discovering Patient Phenotypes},
author = {Harini Suresh and Peter Szolovits and Marzyeh Ghassemi},
journal= {arXiv preprint arXiv:1703.07004},
year = {2017}
}