集中治療室における入院予測の長さのための時間的点状畳込みネットワーク【JST・京大機械翻訳】

Rocheteau Emma; Lio Pietro; Hyland Stephanie

プレプリント

J-GLOBAL ID：202202220030130671 整理番号：21P0040315

集中治療室における入院予測の長さのための時間的点状畳込みネットワーク【JST・京大機械翻訳】

Temporal Pointwise Convolutional Networks for Length of Stay Prediction in the Intensive Care Unit

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年07月18日プレプリントサーバーでの情報更新日： 2021年02月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

絶えず増加する患者需要と予算制限の圧力は,病院ベッド管理を臨床スタッフの日常課題にする。最も重要なことは,生命支援を必要とする患者への資源-重集中治療室(ICU)ベッドの効率的な配分である。この問題を解決する中心は,ICU患者の現在のセットがユニットに滞在する可能性について知っている。本研究では,eICUとMIMIC-IVクリティカルケアデータセットに関する滞在予測タスクの長さを解くために,時間畳込みとポイントワイズ(1x1)畳込みの組み合わせに基づく新しい深層学習モデルを提案した。時間的ポイントワイズ畳込み(TPC)と呼ぶモデルは,歪,不規則なサンプリングおよび欠測データのような電子健康記録による共通の課題を緩和するために特別に設計された。そうすることによって,著者らは,一般的に用いられるLong-Short Termメモリ(LSTM)ネットワーク上の18-68%(測定およびデータセット依存性)の有意の性能利点と,変換器として知られるマルチヘッド自己注意ネットワークを達成した。サイドタスクとして死亡率予測を加えることによって,著者らはさらに,性能をさらに改善することができ,残りの滞在期間の予測において,1.55日(eICU)と2.28日(MIMIC-IV)の平均絶対偏差をもたらした。【JST・京大機械翻訳】

, , , , , ,
, , , , 【Automatic Indexing@JST】

公共建築,病院建築,社会福祉建築 , 臨床治療学

, , ,

前のページに戻る