基于多段间隔监督度量学习的病人相似度算法

• 作者: 倪嘉志 刘杰 叶丹 李世强
• 来源期刊: 计算机系统应用
• 关键词: 电子健康记录 病人相似度 监督距离度量学习 多标签分类
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 164-171
• 页数: 8页
• 字数: 7718字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005444

摘要

伴随着医疗卫生服务的信息化进程推进,病人相似度成为了医疗电子健康数据的二次利用中的重要问题.在已有医疗专家对病人健康数据的评估信息下,可以将病人相似度问题转化为有监督的距离度量学习问题.通常的做法是对病人的医疗健康数据打标签来作为监督信息.在现有的病人相似度计算工作中,对监督信息的利用是很局限的;多是比较两个不同病人的标签是否完全相等来判断病人相似与否;在实际中,病人的标签往往是多个维度,这种比较忽略了标签本身的相似性.本文将病人的诊断数据作为监督信息,在度量学习中,根据标签的相似程度将目标病人的邻居区分开来,形成多段间隔,更充分地利用监督信息.在基于多标签的KNN分类评估实验中,该算法学习出的相似度度量在Hamming Loss和a-Accuracy两种指标下性能有很大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘杰	中国科学院软件研究所软件工程技术研发中心	218	1905	24.0	36.0
2	叶丹	中国科学院软件研究所软件工程技术研发中心	26	397	10.0	19.0
3	李世强	中国科学院软件研究所软件工程技术研发中心	17	144	8.0	11.0
7	倪嘉志	中国科学院软件研究所软件工程技术研发中心	1	3	1.0	1.0