基于 GLRM 特征选择的无监督学习揭示新型创伤性脑损伤表型
机器学习
2018-12-04 v1 定量方法
机器学习
摘要
基线损伤分类对创伤性脑损伤（TBI）的研究与治疗十分重要。当前的分类主要依赖基于症状的评分，不足以刻画损伤的异质性。在本工作中，我们应用无监督聚类来识别新型 TBI 表型。我们的方法使用广义低秩模型（GLRM）进行特征选择，其过程类似于包装式方法。所得聚类揭示了四种具有不同特征谱且与 90 天功能和认知状态相关的新型 TBI 表型。
引用
@article{arxiv.1812.00030,
title = {Unsupervised learning with GLRM feature selection reveals novel traumatic brain injury phenotypes},
author = {Aaron J. Masino and Kaitlin A. Folweiler},
journal= {arXiv preprint arXiv:1812.00030},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216