Boosting Deep Learning Risk Prediction with Generative Adversarial Networks for Electronic Health Records

[namakemono]

#	##
論文リンク	https://arxiv.org/abs/1709.01648v1
著者	Zhengping Che, Yu Cheng, Shuangfei Zhai, Zhaonan Sun, Yan Liu
投稿日時	2017-09-06
コード

概要

電子医療記録（EHR）の急速な成長と、それに伴うデータ駆動型医療（DDH）の機会が、幅広い関心と注目を集めています。ディープラーニング方法の設計および適用における最近の進歩は有望な結果を示しており、そして医療学界および産業において大規模な変化を強いているが、これらの方法の大部分は大規模なラベル付きデータに頼っている。本研究では、限られたEHRデータでリスク予測性能を高めることができる一般的なディープラーニングフレームワークを提案する。本発明のモデルは、半教師付き学習方法で訓練データセットを増強するために、実際の患者記録を模倣することによってもっともらしいラベル付きＥＨＲデータを提供することができる修正された生成敵対ネットワーク、すなわちｅｈｒＧＡＮをとる。発症予測性能を改善するために、この生成モデルを畳み込みニューラルネットワーク（ＣＮＮ）ベースの予測モデルと一緒に使用する。2つの実際の医療データセットに関する実験は、提案されたフレームワークが現実的なデータサンプルを生成し、いくつかの最新のベースラインにわたって生成されたデータを用いて分類タスクの大幅な改善を達成することを実証します。