利用隐马尔可夫模型对纵向健康数据进行用户驱动分析以获取临床洞见
人机交互
2020-07-27 v1
摘要
临床研究人员的一个目标是理解疾病通过一组生物标志物进展的过程。研究人员经常进行观察性研究，在多年间从选定的受试者那里收集大量样本。隐马尔可夫模型（Hidden Markov Models, HMMs）可用于发现潜在状态及其随时间的转移概率。然而，临床研究人员在解释结果和获取关于疾病的洞见方面面临挑战。因此，本演示介绍了一个名为 DPVis 的交互式可视化系统，该系统旨在帮助研究人员交互式地探索 HMM 结果。本演示提供了如何实施临床医生在环（clinician-in-the-loop）方法，以利用可视化分析来分析纵向观察性健康数据的指南。
引用
@article{arxiv.2007.12346,
title = {User-driven Analysis of Longitudinal Health Data with Hidden Markov Models for Clinical Insights},
author = {Bum Chul Kwon},
journal= {arXiv preprint arXiv:2007.12346},
year = {2020}
}
备注
Demo presented in KDD 2020 Workshop on Applied Data Science for Healthcare