基于医疗知识的疾病诊断预测 大讲堂 | 第124期
实验表明,先验医疗知识能够帮助现有的深度方法提升预测效果
开课时间:2019/01/23 20:00 预计时长:一个小时左右
课程回放
406人报名
观看回放
课程介绍

分享嘉宾

马凤龙,纽约州立大学布法罗分校在读博士生,研究方向是医疗大数据挖掘,现已发表论文30余篇,包括KDD, CIKM, WSDM, ICDM, SDM, BIBM, MobiCom, INFOCOM和TKDE。他的研究兴趣同时还包括众包学习,社交网络分析,IoT和安全。更多的信息请访问他的个人主页:http://www.acsu.buffalo.edu/~fenglong/

 

分享主题

基于医疗知识的疾病诊断预测

 

分享背景

随着医疗数据的大量积累以及数据挖掘技术的发展,个性化医疗和精准医疗的研究也在不断地进步。然而,由于医疗数据非常复杂,导致传统的统计方法不能获得满意的预测效果。近年来,深度学习技术在不同领域都能够提高预测的准确率,但是在医疗数据挖掘中,现有的深度学习方法仍然存在不足。由于医疗数据具有稀疏性,这种性质导致现有的深度学习模型不能充分发挥作用。为了解决这个问题,我们引入了额外的信息(先验医疗知识),并且提出了一种新的深度医疗数据挖掘框架。实验表明,先验医疗知识能够帮助现有的深度方法提升预测效果。

 

分享提纲

1、医疗数据挖掘背景介绍

2、现有的深度医疗挖掘模型

3、基于先验医疗知识的疾病预测框架

4、实验结果

 

分享时间

(北京时间) 1月23日晚8点

课程须知
  • 本次公开课将于01月23日周三晚8点准时开始,请大家提前10分钟进入直播间
  • 公开课后两天内会上传回放视频,错过直播的同学也不要担心
  • 欢迎大家多多向嘉宾提问,问题被采纳者有机会获得神秘礼品
授课教师
向TA提问
马凤龙
纽约州立大学布法罗分校在读博士生,研究方向是医疗大数据挖掘,现已发表论文30余篇,包括KDD, CIKM, WSDM, ICDM, SDM, BIBM, MobiCom, INFOCOM和TKDE。他的研究兴趣同时还包括众包学习,社交网络分析,IoT和安全。更多的信息请访问他的个人主页:http://www.acsu.buffalo.edu/~fenglong/
投递简历

扫描求职百题斩小程序
助求职者一壁之力

微信扫码助力

如果您对这家企业感兴趣,想要加入一同谋事,可上传您的简历。
投递简历