人工智能辅助的新生儿重症及专病预测与提前预警

目的 通过对多模态时序数据的融合分析,提早预测姜健康状况,及时预警;并建立疾病智慧管理数据库(类MIMIC框架数据库) 预测分类算法 通过多任务高斯过程先验学习ENCODER,作为输入到基于Attention-Machinisim的Temporal Convolution Network,Output Implicit Latent Sparse Represenetation,而后在DTW定义的度量空间KNN聚类

Continue Reading »
分享到:

数据分析与疾病预测(类MIMIC数据库)

#目的 通过分析ICU入院患者的数据(MIMIC II),我们试图建立一个机器学习模型,该模型可以根据患者的生命体征、年龄和性别,甚至在患者到达医院之前,有效而正确地对患者的疾病类别进行分类。因此,由于这种疾病的早期诊断,可以很容易地安排他的治疗,从而挽救生命。 #方法论 ##数据收集: 通过分析ICU入院患者的数据,我们试图建立一个机器学习模型,该模型可以根据患者的生命体征、年龄和性别,甚至在患者到达医院之前,有效而正确地对患者的疾病进行分类。因此,由于这种疾病的早期诊断,可以很容易地安排他的治疗,从而挽...

Continue Reading »
分享到:

近期工作小记

1. 医疗知识图谱(Sparql) 基于Similarity GNN的双塔对比学习架构,输入电子病历文本,在线抽取特征实体,构建子图结构,与存储在知识图谱的Pattern Subgraph进行相似度匹配,进行疾病概率诊断 电子病历信息抽取 Similarity GNN Architecture Prompt-Based Unified Information Extraction 2. 医疗垂直领域通用预训练对话模型 3.人工智能辅助胚胎评估...

Continue Reading »
分享到:

Estimating Node Importance in Knowledge Graphs Using Graph Neural Networks

这篇论文研究的是估计知识图谱中的节点重要性,可以应用于其它下游任务例如推荐系统等。 这篇论文设计的GENI模型是一种基于GNN的方法,特点是GCN是用来 聚合节点重要性得分 ,而不是像其它的用于知识图谱的GCN那样通过谓词感知的注意力机制来聚合节点嵌入表示。 GNN通常通过节点嵌入在邻居之间传播信息,这是基于一个实体及其邻居相互影响的假设进行建模,因此就其邻居的表示而言,可以更好地表示一个实体的表示。但是,在节点重要性估计的任务中, 相邻重要性分数 对节点的重要性起 主要作用 ,而其他邻居特征可能影响不大...

Continue Reading »
分享到:

链路预测--负采样

链路预测最开始是一个无监督学习任务,即根据已经看到的网络结构(或者其他属性信息)来推断未知连边是否存在,但是这样的话就比较难以验证。只有在动态网络(或称时序网络)中才会有这样的数据以供实验验证,可以用前一段时间的网络结构来预测后一段时间的网络结构。然而,很多网络没有时间信息. 后来,学者提出了用有监督的方式来进行链路预测,也就是将其视为二分类任务,将网络中存在的边都视为正样本(即正边),不存在的连边都当作负样本(即负边)。然后,将这些边分为两部分,一部分为训练集,一部分为测试集。训练集和测试集中都包含正边和...

Continue Reading »
分享到: