基于 Transformer 的时间序列生物标志物发现用于 COPD 诊断
机器学习
2024-11-15 v1
摘要
慢性阻塞性肺疾病（COPD）是一种不可逆且进行性的疾病，具有高度遗传性。临床上，COPD 通过肺功能测试得出的汇总指标定义，但这些指标并不总是充分。我们展示了使用高维原始肺量图相比仅使用汇总指标能提供更丰富的信号。我们设计了一种基于 Transformer 的深度学习技术，处理原始肺量图值及人口学信息，预测与 COPD 相关的临床终点。该方法在计算效率更高的同时，性能优于先前工作。利用模型学习到的权重，我们通过识别对模型预测重要的肺量图部分，使框架更具可解释性。与一位认证肺病专家合作，我们还提供了关于肺量图不同方面的临床见解，并表明模型获得的解释与潜在医学知识一致。
引用
@article{arxiv.2411.09027,
title = {Transformer-based Time-Series Biomarker Discovery for COPD Diagnosis},
author = {Soham Gadgil and Joshua Galanter and Mohammadreza Negahdar},
journal= {arXiv preprint arXiv:2411.09027},
year = {2024}
}
备注
Accepted as a workshop paper to NeurIPS 2024