声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：徐啸, 王灜, 金涛, 王建民
单位：清华大学 软件学院, 北京 100084
关键词：表征学习,主题模型,多层感知机,医疗分析
基金：国家自然科学基金资助项目（71690231）
随着健康医疗数据的快速积累，数据驱动的医疗分析越来越受重视，合适的医疗活动表征对这些分析至关重要。然而，当前大多数表征方法缺乏对医疗数据时序性、数值敏感性的考虑，影响了分析方法的效果和可解释性。该文针对住院病例，提出了一种基于主题模型加强的医疗活动表征学习方法，该方法利用活动间时序关系和主题分配情况，构建了一个无监督学习的多层感知机模型。在大规模真实住院数据集上的测试结果表明：该方法所得表征可以有效提升疾病聚类、后续活动预测、剩余住院天数预测3项医疗分析任务的效果，同时表征具有良好的医学可解释性。
来源：2019年第3期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。