NECA方法通过相似患者事件曲线提升ICU恶化预测
热点事件持续更新
NECA方法通过相似患者事件曲线提升ICU恶化预测
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Chenyang Wang 等人在 arXiv 发布论文，提出模型无关方法 NECA：检索训练集中早期记录相似的历史患者，把他们的器官功能障碍事件发病时间转化为 6h、12h、24h、42h 的累积事件曲线特征，用于 ICU 病情恶化的多时域预测。 在 PhysioNet 2012 与 4,000 条记录的 MIMIC-IV 子集上，该方法提升了四种器官功能障碍事件任务、七个监督学习器的平均 PR-AUC 和 ROC-AUC，其中神经功能障碍事件提升最大，PhysioNet 2012 上任务级平均 PR-AUC 从 0.461 升至 0.557。源代码将在论文接收后公开。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 00:45
NECA：面向多时域 ICU 病情恶化预测的邻居事件曲线增强方法报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · cs.AINECA：面向多时域 ICU 病情恶化预测的邻居事件曲线增强方法
研究提出 NECA，一种模型无关方法，通过检索早期记录相似的历史患者，将他们后续器官功能障碍事件的发病时间转化为 6h、12h、24h 和 42h 的累积事件曲线特征。在 PhysioNet 2012 和 4,000-stay MIMIC-IV 子集上，该方法提升了四种器官功能障碍事件任务、七个监督学习器的平均 PR-AUC 和 ROC-AUC。神经功能障碍事件提升最大，PhysioNet 2012 上任务级平均 PR-AUC 从 0.461 升至 0.557；源代码将在论文接收后公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。