《表2 心血管疾病风险预测模型实验结果》
如表2所示,在基于电子病历的心血管疾病风险预测任务上,时序模型Bi-LSTM和A-LSTM的各项指标基本都优于其他4种非时序模型(逻辑回归、SMO算法、随机森林和LightGBM)。比如,在只利用诊断编码序列数据的情况下,Bi-LSTM的性能可达到0.703 9的召回率、0.654 5的F1值和0.779 8的AUC,这明显优于其他4种中表现最好的LightGBM。之所以Bi-LSTM和A-LSTM能够在心血管疾病风险预测中取得突出的性能,是因为基于LSTM的模型将患者的电子病历数据表示成一个带时间顺序的序列,并且能够从中抽取患者疾病发展过程中的时序性特征。
图表编号 | XD00108816400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.25 |
作者 | 安莹、黄能军、杨荣、陈先来 |
绘制单位 | 中南大学信息安全与大数据学院、中南大学计算机学院、中南大学湘雅医院、中南大学信息安全与大数据学院 |
更多格式 | 高清、无水印(增值服务) |