基于主题模型加强的医疗活动表征学习方法

• 作者: 徐啸 王建民 王瀛 金涛
• 来源期刊: 清华大学学报（自然科学版）
• 学科: 工学
• 关键词: 表征学习 主题模型 多层感知机 医疗分析
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 169-177
• 页数: 9页
• 分类号: TP399
• 语种: 中文
• DOI: 10.16511/j.cnki.qhdxxb.2018.25.050

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建民		123	1523	19.0	34.0
2	金涛		21	57	5.0	6.0
3	徐啸		2	9	1.0	2.0
4	王瀛		2	0	0.0	0.0