抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】