一种面向预测任务的基于时间序列的病人表示学习方法

• 作者: 张乐 方之家 王祺 阮彤 雷丽琪 高炬
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 电子病历 时序信息 循环神经网络自编码器 表示学习 深度学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 111-119
• 页数: 9页
• 分类号: TP18
• 字数: 6807字
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2018.05.24.001

摘要

针对多次住院的住院病人病历数据提出了一种通用的病人表示学习方法,首先根据病人的特性对医院病历进行二次建库,构建序列化的电子病历数据.然后使用循环神经网络自编码器模型来生成病人表示向量.该模型既能有效地建模序列化电子病历中的时序信息,又能在无监督条件下实现通用的病人表示学习.最后,将得到的病人表示向量作为特征,应用到心衰病人的死亡率预测与并发症预测任务之中.实验结果表明,这种表示学习方法相较其他基于原始电子病历数据的特征学习策略,在死亡预测上提高了约0.15的AUC值,并在10项并发疾病预测中获得4项最优,2项次优结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高炬		30	223	8.0	14.0
2	阮彤	华东理工大学自然语言处理与数据挖掘实验室	37	200	7.0	12.0
3	王祺	华东理工大学自然语言处理与数据挖掘实验室	9	18	2.0	3.0
4	方之家	华东理工大学自然语言处理与数据挖掘实验室	3	70	2.0	3.0
5	张乐	华东理工大学自然语言处理与数据挖掘实验室	3	2	1.0	1.0
6	雷丽琪	华东理工大学自然语言处理与数据挖掘实验室	1	0	0.0	0.0