电子健康记录(EHR)中蕴含着丰富的语义信息，目前对EHR的数据挖掘主要基于传统机器学习方法，涉及大量人工特征工程。但由于EHR数据存在维度大、时间跨度长等特点，传统机器学习方法较难有效地捕捉EHR中的深层语义信息。使用LSTM模型对心力衰竭患者的EHR数据进行建模和训练，以30天内重入院作为预测目标开展研究。实验结果表明，LSTM模型能够有效地捕捉EHR时序数据中的语义信息，与传统机器学习方法相比，在ROC-AUC指标上提升了10.48百分点。
科研之友
微信
新浪微博
Facebook
分享链接
