基于动态采样和迁移学习的疾病预测模型

• 作 者: 胡满满 陈旭 孙毓忠 沈曦 王晓青 余天洋 梅御东 肖立 程
• 机 构: 中国科学院计算技术研究所,中国科学院大学,首都医科大学附属北京朝阳医院,南昌大学,中国中医科学院西苑医院,中国中医科学院中医药数据中心,中国人民解放军联勤保障部队第九八三医院信息科
• 出 处: 计算机学报
• 发表日期: 2019年10期
• 关键词: 疾病预测 迁移学习 动态采样 卷积神经网络 disease predictiontransfer learningdynamic samplingconvolu
• 基金项目: 面向云计算的网络化操作系统(2016YFB1000505),国家自然科学基金委员会(NSFC)广东省人民政府联合基金超级计算科学应用研究专项计划(第二期)(U1611261)资助

基于门诊病历临床表现的疾病预测模型是临床决策支持系统(Clinical Decision Support System,CDSS)的一个重要研究内容.主流疾病预测模型将门诊病历转化为医学特征集合,将诊断结果作为输出标签,在此基础上利用机器学习算法训练疾病预测模型.不同疾病发病率的差异性导致医学样本具有不均衡、小样本特点,难以训练高效、准确的疾病预测模型.采样技术是目前解决样本不均衡问题的常用手段,其主要采用一定的策略生成均衡训练集,在均衡训练集上训练疾病预测模型,但是采样技术独立训练不同疾病的预测模型,没