【论文阅读笔记】Deepr: A Convolutional Net for Medical Records
来源:互联网 发布:h.323端口 编辑:程序博客网 时间:2024/06/18 07:24
Phuoc Nguyen, Truyen Tran, Nilmini Wickramasinghe, SvethaVenkatesh 2016
本文提出一种端到端的深度学习系统,使用CNN自动从医疗数据中提取特征并预测未来的医疗风险。
I. Introduction
Electronic medical records (EMRs)记录了病人的诊疗记录,以EMR为核心预测病人情况的核心问题就是病人的表示,这属于特征工程的范畴。EMR是具有时间戳的序列数据,包含诊断编码,诊断过程编码,实验室化验,文本简述。同一个病人两次不同的看病记录时间间隔是随机的。现有的预测模型主要通过人工提取特征,费时费力,且忽略了EMR之间的关联。本文提出的模型使用CNN自动提取特征。
Deepr的灵感来源于CNN用于自然语言处理。它是一个多层结构,最关键的操作是底层将EMR转换短语组成的句子,句子由代表时间间隔的特殊短语分隔。
II. Background
EMR包含病人人口学信息和病人看病的序列信息,其中住院信息包含入院时间、出院时间、化验、诊断结果(diagnoses)、诊断过程(procedures)、开药(medications)、病情描述(cinicalnarratives)。其中diagnoses、pocedures和medications是离散数据。如diagnoses由ICD-10编码,pocedures由CPT (Current ProceduralTerminology)或 ICHI (InternationalClassification of Health Interventions)编码。
III. Deepr:A DEEP NETFOR MEDICAL RECORDS
(1) 总体结构
分层结构:最底层完成EMR序列化为句子(sentence),中间层将词(word)嵌入欧拉空间,顶层使用CNN识别小的localmotifs,local motifs经过Relu非线性化后进行Max-Pooling池化形成EMR级别的特征,最后使用线性分类器进行预测。过程如下:由于CNN是监督学习,需要标签,但如有些新病人没有标签,文中通过Word2Vec解决。
(2)Sequencing EMR
文章主要关注diagnosesand treatments (which involve clinical procedures and medications)。使用ICD-10、CPT和自己新创的词(如TRANSFER表示转院、RAREWORD表示不常见的词)完成EMR序列化。
(3)CNN
首先将词转化为连续的向量,文章没有使用one-hot,而是word embedding减少复杂度。卷积层由不同filter卷积的结果经过池化层得到全局的sentence-level向量。最后使用线性单元进行分类。
I. 实现
数据使用澳大利亚一个大型私立医院July 2011 – December 2015的数据。- 【论文阅读笔记】Deepr: A Convolutional Net for Medical Records
- [论文阅读笔记]U-Net: Convolutional Networks for Biomedical Image Segmentation
- 论文阅读笔记:U-Net: Convolutional Networks for Biomedical Image Segmentation
- 论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 论文《A Convolutional Neural Network Cascade for Face Detection》笔记
- 【论文笔记】A Convolutional Neural Network Cascade for Face Detection
- 论文《A Convolutional Neural Network Cascade for Face Detection》笔记
- 论文《A Convolutional Neural Network Cascade for Face Detection》笔记
- 论文笔记U-Net: Convolutional Networks for Biomedical Image Segmentation
- 经典论文阅读——A Convolutional Neural Network Cascade for Face Detection
- 全卷积(FCN)论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 论文阅读笔记-learning multi-domain convolutional neural networks for visual tracking
- 【论文阅读笔记】CVPR2015-Long-term Recurrent Convolutional Networks for Visual Recognition and Description
- [论文阅读笔记]Two-Stream Convolutional Networks for Action Recognition in Videos
- 图像分割论文 Fully Convolutional Networks for Semantic Segmentation 阅读笔记
- 全卷积(FCN)论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- [论文阅读笔记]Two-Stream Convolutional Networks for Action Recognition in Videos
- hibernate配置
- 机器学习(5)Bagging和Boosting 概念及区别
- IntelliJ Idea 常用快捷键列表
- C# json 序列化 匿名对象序列号 指定对象序列化
- STM32L152 基本定时器使用学习
- 【论文阅读笔记】Deepr: A Convolutional Net for Medical Records
- VisualSVN Server的配置和使用方法【服务器端】
- 【C/C++】嵌套类
- Java Web技术内幕笔记-DNS解析
- luogu P1192 台阶问题
- MySQL--基础命令
- Allocate exception for servlet XXX 基本异常
- Wiki上的数字音频介绍
- Python基础篇之多重循环