مدل الگوریتم یادگیری ماشین با هم افزایی ماتریس رویداد زمانی برای تحلیل در داده های مراقبت های بهداشتی و تولید پرونده الکترونیک سلامت (نمونه موردی بیماران دیابتی )

در این پژوهش به این مشکل می پردازیم که چگونه می توانیم تجزیه و تحلیل مبتنی بر داده را برای تجزیه و تحلیل در داده هایرویداد طولی بسازیم که متناسب با توانایی ها و محدودیت های انسانی است. ما تحلیلهای شهودی انسانی را پیشنهاد میکنیم کهنمایش و کشف الگوهای رویداد قابل تفسیر را برای تسهیل جذب دانش و درک مدل تحلیلی بکار گرفته شده امکانپذیر میسازد. مایک نمایش ماتریس رویداد زمانی جدید و الگوریتم یادگیری را برای انجام الگوریتم زمانی در مقیاس بزرگ از دادههای رویدادناهمگن طولی ایجاد میکنیم. این الگوریتم نمایش، استخراج و استخراج روابط رویداد پنهان پیچیده در موجودیت های رویداد منفردو چندگانه را برای انجام تجزیه و تحلیل گروهی اکتشافی را قادر می سازد. ما تجزیه و تحلیل های توسعه یافته را در حوزه مراقبت در رابطه با شدت بیماری دیابتی نشان می دهیم. نتایجHRUهای بهداشتی با بررسی استفاده از منابع مراقبت های بهداشتی تجربی نشان میدهد که ما میتوانیم الگوهای قابل تفسیر معنادار را یاد بگیریم. تجزیه و تحلیلهای توسعه یافته با اعمال نفوذ متقابل هایEHR هوش انسانی و هم افزایی، ارزش عملی دارند و پزشکان را قادر میسازند تا در مورد روابط پیچیده رویدادهای زمانی در طولی استدلال، درک و درک بهتری داشته باشند

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، نرم افزار ، دیابت ، مراقبت پزشکی