【论文阅读笔记】Deep Patient: An Unsupervised Representation to Predict the Future of Patients from the Elec

文章标题：Deep Patient: An Unsupervised Representation to Predict the Future of Patients from the Electronic Health Records
发布时间：2016.5

刊物：Science Report

本文使用自编码器对电子病历进行大数据分析，结构比较简单：

       使用的自编码器为三层的神经网络，每一层均为500个神经元，参数相同，对EMR记录的预处理阶段，采用了LDA、人工筛选等方式。自编码器的输入数据筛选采取了在输入端进行随机置零，类似Dropout的方式。自编码器的损失函数使用交叉熵损失。系统对96个大类的病种病人进行了预测。

       文中也提出了Deep Patient优势：不向以往的应用于医疗领域的深度学习系统只是针对某一个特定类型的疾病，本系统针对的是广多类疾病预测；系统的不足之处：对病人的检验结果只是采用了简单出现频率计数而没有深入分析各项指标的含义。