HTPS: Heterogeneous Transferring Prediction System for Healthcare Datasets

要約

タイトル：HTPS：医療関連のデータセットに対する異種間トランスファリング予測システム。

要約：
– メディカル・インターネット・オブ・シングスは、スマートヘルスケアとしても知られる医療サービスの革命的な改善をもたらす。
– 大規模な医療データにより、データマイニングと機械学習を用いることで、ウェルネス管理と知的診断を支援し、P4医療を実現できる。
– しかし、医療データは高いスパース性と異種性を持っている。
– 本論文では、異種間トランスファリング予測システム（HTPS）を提案している。
– 特徴エンジニアリングメカニズムによって、データセットはスパースおよび密な特徴行列に変換され、埋め込みネットワークのオートエンコーダーが特徴だけでなく異種データからの知識も転送する。
– 実験結果は、提案されたHTPSがさまざまな予測タスクとデータセットでベンチマークシステムを上回り、各設計メカニズムの有効性を示すアブレーションスタディが行われた。
– 実験結果は、異種データがベンチマークシステムに対する負の影響を示し、提案されたHTPSの高いトランスファビリティを示している。

要約(オリジナル)

Medical internet of things leads to revolutionary improvements in medical services, also known as smart healthcare. With the big healthcare data, data mining and machine learning can assist wellness management and intelligent diagnosis, and achieve the P4-medicine. However, healthcare data has high sparsity and heterogeneity. In this paper, we propose a Heterogeneous Transferring Prediction System (HTPS). Feature engineering mechanism transforms the dataset into sparse and dense feature matrices, and autoencoders in the embedding networks not only embed features but also transfer knowledge from heterogeneous datasets. Experimental results show that the proposed HTPS outperforms the benchmark systems on various prediction tasks and datasets, and ablation studies present the effectiveness of each designed mechanism. Experimental results demonstrate the negative impact of heterogeneous data on benchmark systems and the high transferability of the proposed HTPS.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI