My master thesis : Data Representation Learning from Heterogeneous Network of Medical Data for Mortality Prediction
【摘要】
近年來以機器自動學習數據的特徵表示法，已顯示有助於提升預測任務的準確率。本論文以電子病歷資料中相異類型的病況資料，依指定時間區間內病況事件同時發生的關聯，建立病況事件異質網路圖，並搭配不同的病況事件序列生成樣式，從取樣的事件序列中，學習儀器偵測數據特徵的病況事件表示法，用來從加護病房病患入病房後48小時的病況資料，以LSTM類神經網路架構進行死亡風險預測。本論文實驗比較使用同質特徵走訪路徑與異質特徵走訪路徑的擷取策略，所學習到的病況事件表示法對模型預測效果的差異。實驗在院內死亡預測及短期死亡預測的任務，初步顯示由異質特徵走訪路徑中學習的病況事件表示法，對兩個預測模型的預測效果皆有提昇。