科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用电子病历数据进行疾病预测是时下的研究热点，医学事件是电子病历的重要组成部分。由于电子病历数据具有异质、高维的特性，且对时间的依赖性比较强，获得良好的医学事件表示存在一定困难，因此文章提出一种基于形变-时控长短期记忆网络（Mogrifier-Time Long Short Term Memory Network, MT-LSTM）的医学事件表示学习方法。通过在MIMIC-Ⅲ数据集上进行多项对比实验，结果表明MT-LSTM模型可获得优良的医学事件表示，有助于疾病预测任务的进行，证明了该方法的有效性。
- 单位
