Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

医渡云论文荣获中国健康信息处理学术会议“最佳论文”奖

近日,第五届中国健康信息处理学术会议(CHIP2019)在广州落下帷幕。会上,大会主席陈清财宣布了本次大会的最佳论文。医渡云与联合研究单位合作的论文,荣获最佳论文奖。

本次CHIP2019大会由中国中文信息学会医疗健康与生物信息处理专业委员会主办,中山大学健康医疗大数据国家研究院、中山大学中山医学院、广东省健康医疗大数据工程技术研究中心承办,鹏城实验室、广州健康医疗大数据技术创新联盟协办。大会吸引了来自海内外医疗与健康信息处理领域的350余名专家学者参加。会议以“人工智能+医疗健康”为主题,包括前沿讲习班、特邀报告、学术论文交流、评测技术交流和专题技术论坛等。

大会最佳论文奖授予了《A Hybrid Method of Recurrent Neural Network and Graph Neural Network for Next-period Prescription Prediction》,作者为刘思岑、李涛、丁浩洋、汤步洲、王小龙、陈清财、闫峻、周毅等,分别来自哈尔滨工业大学(深圳)、医渡云、鹏城实验室与中山大学等多个单位。

众所周知,电子病历(EHR)已被广泛应用于帮助医生通过预测,包括疾病、处方药、转归等医疗事件,来做出临床决策。如何展现出患者沿时间轴纵向的医疗数据,是做出这些预测的关键。递归神经网络(RNN)是一种适用于患者时间序列医疗数据表示的通用模型,但存在一定的局限性。一个主要的局限性是它不能处理具有不同类型节点和边的复杂图像,而图像神经网络(GNN)却可以去捕捉这些复杂图像的信息。本篇获奖论文从两个角度提出,可用于下一阶段处方预测的RNN和GNN混合方法,称为RGNN,其中RNN用于表示患者状态序列,而GNN用于表示随时间进展的医疗事件图。在开源的MIMIC-III ICU数据集上实验表明,该方法对下一阶段的处方预测是有效的,GNN是RNN的重要补充。

这篇论文创造性地融合RNN与GNN,提出RGNN,在实际应用中可以用来训练预测模型、预测患者用药,能够为医生开具处方提供临床辅助决策支持与用药推荐,对于推动临床诊疗水平提升具有积极意义。

医渡云在论文撰写过程中,进行了包括制定医学规则、医学信息纳排等大量的技术类工作,并与哈尔滨工业大学(深圳)的科研工作者共同进行了方案讨论、模型开发、实验检测等工作。

自2013年成立以来,医渡云始终积极响应国家信息技术及生物战略新兴产业发展目标,以“数据智能,绿色医疗”为使命,以“改善人类与疾病的关系”为目标,利用人工智能技术,助力医学研究、医疗管理、政府公共决策、创新新药研发、帮助患者实现智能化疾病管理,引领大健康及人工智能产业创新,践行健康中国战略,助力完善国民健康政策,切实有效地提升百姓的医疗健康水平。

入门电子病历RNN智慧医疗
1
相关数据
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

推荐文章
暂无评论
暂无评论~