一种用于心衰患者死亡率预测的数据多重插补方法OA
针对真实数据采集机制不完善致使数据缺失、现有方法对临床特征表示不足导致模型性能受限问题,本文提出一种用于心衰患者死亡率预测的数据多重插补方法(Self-attention and Generative adversarial network based Mortality Prediction,SGMP).首先,针对临床特征在变分自编码器(Variational Autoencoder,VAE)的潜在空间中结合自注意力机制动态融合多组候选估计值,并结合生成对抗网络(Generative Adversarial Network,GAN)的对抗训练策略优化表征学习能力.然后,根据掩码矩阵有效获取候选估计结果,实现缺失数据多重插补.最后,采用合成少数类过采样技术(Synthetic Minority Over-sampling Technique,SMOTE)进行数据增强,使用多层感知机(Multilayer Perceptron,MLP)实现死亡率预测.基于新疆某三甲医院心衰患者数据进行验证,结果表明:死亡率预测任务中,相比其他模型,SGMP在多个指标上有明显提升,受试者工作特征曲线下面积达到0.902.
张雅楠;张琳琳;郭渊博;毕雪华;赵楷
新疆大学软件学院,新疆乌鲁木齐830091新疆大学软件学院,新疆乌鲁木齐830091 新疆大学网络与信息技术中心,新疆乌鲁木齐830046新疆大学软件学院,新疆乌鲁木齐830091新疆医科大学医学工程与技术学院,新疆乌鲁木齐830054新疆大学计算机科学与技术学院,新疆乌鲁木齐830017
医药卫生
死亡率预测多重插补(MI)自注意力机制生成对抗网络(GAN)变分自编码器(VAE)
《新疆大学学报(自然科学版中英文)》 2026 (1)
P.61-69,9
国家自然科学基金“面向新疆棉花全产业链的数据要素权属确定关键技术研究”(62366052)新疆维吾尔自治区创新环境(人才、基地)建设专项(自然科学基金)联合基金“基于语义挖掘的大学生心理健康分析关键技术研究”(2022D01C427),“基于大模型微调和检索增强生成的高原病智能问答模型研究”(2024D01C126)四川省联合基金“高效区块链溯源与复杂查询技术研究”(25QYCX0103)省部共建中亚高发病成因与防治国家重点实验室开放课题“基于医学人工智能的心衰疾病进展模式的探究”(SKL-HIDCA-2022-23)。
评论