發(fā)布時(shí)間：2024-01-30 22:58

　　為了了解病人的身體狀況,醫(yī)生會(huì)對(duì)病人的各項(xiàng)生理指標(biāo)進(jìn)行監(jiān)測(cè),這些監(jiān)測(cè)記錄形成了醫(yī)療時(shí)間序列。我們可以根據(jù)這些記錄對(duì)病人的住院死亡與否、所患疾病以及住院時(shí)間長(zhǎng)短等進(jìn)行預(yù)測(cè)任務(wù)。醫(yī)療時(shí)間序列的缺失率比一般時(shí)間序列高很多,原因是醫(yī)生只會(huì)選擇與病人身體狀況相關(guān)的變量進(jìn)行監(jiān)測(cè),而且不同的變量有不同的監(jiān)測(cè)頻率。在醫(yī)療時(shí)間序列分類問(wèn)題的研究方面,相關(guān)學(xué)術(shù)論文總量不多,但近年來(lái)依然有兩個(gè)出色且具有影響力的模型。它們分別是GRU-D和channel-wise LSTM。因?yàn)樗鼈儍?yōu)越的性能和簡(jiǎn)潔的設(shè)計(jì)原理所以它們已經(jīng)在很多問(wèn)題上得到應(yīng)用。但是他們的缺點(diǎn)也不可忽視。GRU-D沒(méi)有考慮變量的缺失率,而且它在訓(xùn)練過(guò)程中把真實(shí)值和填充值混合相加,讓模型不能直接感應(yīng)真實(shí)值的變化以及不能同時(shí)接收每個(gè)變量和它的缺失標(biāo)記。channel-wise LSTM針對(duì)每個(gè)變量都采用了一個(gè)獨(dú)立的LSTM模型進(jìn)行處理,模型的計(jì)算量巨大。在GRU-D和channel-wise LSTM的啟發(fā)下,本文提出了一個(gè)能獨(dú)立感受變量的GRU(variable sensitive GRU,VS-GRU)。它有三個(gè)創(chuàng)新點(diǎn):第一,因?yàn)樽兞康娜笔逝c它...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1一個(gè)醫(yī)療時(shí)間序列的例子，它代表6個(gè)變量在12個(gè)時(shí)間步之內(nèi)的觀測(cè)標(biāo)

間序列中的數(shù)據(jù)缺失問(wèn)題有可能是因?yàn)橛涗浀膬x器失效，記錄丟失等等一系列客觀因素[15]造成的，然而這種原因在醫(yī)療時(shí)間序列的缺失問(wèn)題上并不多見(jiàn)。在現(xiàn)實(shí)生活中，導(dǎo)致醫(yī)療時(shí)間序列的數(shù)據(jù)缺失問(wèn)題往往是主觀因素造成的缺失。考慮到監(jiān)測(cè)成本，病人的實(shí)際情況以及不同生理特征基于時(shí)間的變化等因素，我....

圖2-1LSTM的基本架構(gòu)[57]

第二章相關(guān)理論及技術(shù)11列之間的距離也有多種計(jì)算方法，如夾角余弦、皮爾森相關(guān)系數(shù)、杰卡德相似系數(shù)等，根據(jù)實(shí)際情況的不同選擇最適合的距離定義方式。最后基于模型的方法有自回歸滑動(dòng)平均模型（auto-regressiveintegratedmovingaverage，ARIMA）[52....

圖2-2GRU的基本架構(gòu)[58]

華南理工大學(xué)碩士學(xué)位論文12型的變型，LSTM和GRU來(lái)處理時(shí)間序列問(wèn)題。為了解決RNN中的梯度爆炸和梯度消失的問(wèn)題，LSTM采用了三個(gè)門(mén)控機(jī)制，遺忘門(mén)，輸入門(mén)，輸出門(mén)，以及細(xì)胞狀態(tài)。LSTM思想的關(guān)鍵之處在于細(xì)胞狀態(tài)的變化，遺忘門(mén)決定要從細(xì)胞狀態(tài)中丟棄什么信息，輸入門(mén)決定根據(jù)此....

圖2-3RNN實(shí)現(xiàn)時(shí)間序列分類

第二章相關(guān)理論及技術(shù)13=σ(+1+)(2-8)=tanh(+(1)+)(2-9)=(1)1+(2-10)上面公式中，表示矩陣對(duì)應(yīng)元素相乘。無(wú)論是LSTM還是GRU都是一個(gè)針對(duì)時(shí)間序列的每個(gè)節(jié)點(diǎn)提取信息的結(jié)構(gòu)，我們認(rèn)為時(shí)間序列具有內(nèi)在的規(guī)律性，因此我們只需要把用一個(gè)類似圖2-1和....

本文編號(hào)：3890512