AAAI2022最新「时序数据处理」报告,127页PPT阐述时序数据处理以及医疗应用进展

2022 年 3 月 1 日 专知

【导读】国际人工智能会议AAAI 2022论文将在全程线上举办,时间在 2 月 22 日-3 月 1 日,本届大会也将是第 36 届 AAAI 大会。大会涵盖了众多最近研究Tutorial报告,来自Mihaela van der Schaar等学者共同做了关于医疗健康时序数据处理的进展报告,非常值得关注!




时间序列数据集,如电子健康记录(EHR)和注册表,代表了跨越患者整个生命周期的有价值(但不完美)的信息源。从时间数据学习是一个成熟的领域,已经在以前的一些教程中介绍过,医疗领域提出了独特的问题和挑战,需要新的方法和思维方式。也许时间序列最常见的应用是预测。虽然我们将讨论疾病预测的最先进的方法,但我们也将关注时间序列中的其他重要问题,如事件时间或生存分析、个性化监测和治疗效果随时间的变化。这些主题将在医疗健康上下文中介绍,但它们对医学以外的其他领域具有广泛的适用性。 此外,我们将探讨几个必要的特征,使人工智能和机器学习模型在临床环境中尽可能有用。我们将讨论自动机器学习,并解决理解和解释机器学习模型以及不确定性估计的挑战,这两者在高风险场景(如医疗保健)中都是至关重要的。 我们的目标是获得最少的必要的先决知识。然而,我们将假定具有标准机器学习方法的基本知识(如MLPs、rnn)。虽然我们的教程将包括一些机器学习技术的详细解释,但重点将放在问题领域,他们独特的挑战,以及克服这些问题的思维方式。

目录内容:
  • Time series: the backbone of bespoke medicine

  • The multi-faceted nature of time series

  • Tailoring development of time series models to healthcare challenges

    • Forecasting disease trajectories

    • Time-to-event and survival analysis

    • Clustering and phenotyping

    • Screening and monitoring

    • Early diagnosis

    • Treatment effects

  • Unlocking the full potential of time series models

    • AutoML

    • Interpretability

    • Discovery and understanding of event data

    • Uncertainty estimation

    • (Informatively) missing data

    • Synthetic data generation

    • Reproducibility and visualization



地址:

https://www.vanderschaar-lab.com/time-series-in-healthcare/





专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“TSH” 可以获取AAAI2022最新「时序数据处理」报告,127页PPT阐述时序数据处理以及医疗应用进展专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
5

相关内容

【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
118+阅读 · 2019年12月9日
【综述】医疗可解释人工智能综述论文
专知
32+阅读 · 2019年7月18日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Warped Dynamic Linear Models for Time Series of Counts
Arxiv
15+阅读 · 2021年12月22日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员