《计算机应用研究》|Application Research of Computers

基于FT-LSTM模型的临床事件诊断序列预测研究

Research on intelligent diagnosis sequence prediction based on ft-lstm model

免费全文下载 (已被下载 次)  
获取PDF全文
作者 王露潼,王红,宋永强,王倩
机构 山东师范大学 信息科学与工程学院;山东省分布式计算软件新技术重点实验室
统计 摘要被查看 次,已被下载
摘要 针对不同患者的临床数据信息难以得到合理表示,且事件之间时间间隔不同,从而导致预测困难等问题,提出一种基于词向量表示,并添加时控单元的时控长短期记忆神经网络(FT-LSTM)预测模型。首先通过FastText方法对医学事件进行可解释性的向量表示,以更有效地捕获富含医学信息的概念关系;然后针对临床数据对时间戳有着强依赖性的现象,在原有LSTM模型的基础上设计时控门,以更好地捕获长短期信息,对事件信息进行建模,从而改善预测表现。在MIMICⅢ数据集上的实验结果表明,使用FT-LSTM模型预测的召回率、准确率皆高于多种对比模型,证明了该方法的有效性。
关键词 电子病历;长短期记忆神经网络;词向量表示;医学概念;可变时间间隔
基金项目 国家自然科学基金资助项目(61672329,61373149,61472233,61572300,81273704)
山东省科技计划资助项目(2014GGX101026)
山东省教育科学规划资助项目(ZK1437B010)
山东省泰山学者基金资助项目(TSHW201502038,20110819)
山东省精品课程资助项目(2012BK294,2013BK399,2013BK402)
本文URL http://www.arocmag.com/article/02-2020-10-011.html
收稿日期
修回日期
页码 -
中图分类号 TP183
文献标志码