![arxiv：2402.01077V2 [CS.LG] 2024年8月13日](/simg/e/e672fe4775405f421b214d0a805be57ec8a0e3a4.webp)
机构名称：
¥ 1.0
电子健康记录（EHR）系统的开发已使大量数字化的患者数据收集。但是，由于其独特的特征，利用EHR数据进行预测建模带来了一些挑战。随着机器学习技术的进步，深度学习已经证明了其在包括医疗保健在内的各种应用中的优势。这项调查系统地回顾了使用EHR数据基于深度学习的预测模型的最新进展。特别是，我们介绍了EHR数据的背景，并提供了预测建模任务的数学定义。然后，我们从模仿的角度对预测性深模型进行了分类和总结。此外，我们提出了与医疗保健中预测建模相关的基准和工具包。最后，我们通过讨论公开挑战并提出承诺的指示来结束这项调查。
arxiv：2402.01077V2 [CS.LG] 2024年8月13日
主要关键词
![arxiv：2402.01077V2 [CS.LG] 2024年8月13日PDF文件第1页](/bimg/0/0d10dd03d2166d09f001f0077a21c5fbff2774b5.webp)
![arxiv：2402.01077V2 [CS.LG] 2024年8月13日PDF文件第2页](/bimg/2/2a421bd4ef0379fe657bff32e8e850f91bae5ab4.webp)
![arxiv：2402.01077V2 [CS.LG] 2024年8月13日PDF文件第3页](/bimg/0/0ad5ddf5ae9581a380dba8827a7ffbc0b1573acc.webp)
![arxiv：2402.01077V2 [CS.LG] 2024年8月13日PDF文件第4页](/bimg/e/eb3277f43b05bbcd2ff5fe7962eb573edab4fee5.webp)
![arxiv：2402.01077V2 [CS.LG] 2024年8月13日PDF文件第5页](/bimg/3/38227b4e0d69eb4ab6a928ec357925cfaa0023d2.webp)
相关文件推荐
![arxiv：2401.08687v2 [CS.CV] 2024年8月13日](/simg/2/21a00eb50769f592898182bdc195e5cf792ce43d.webp)
![arxiv：2405.00202v2 [CS.LG] 2024年8月15日](/simg/5/561e2f8c4218297e979fa3ffd920c9ea3fa94c08.webp)
![arxiv：2402.04580v2 [cs.ro] 2024年8月27日](/simg/d/d930df60d6b65f8972beb8c847aa187a16e6ee32.webp)
![arxiv：2402.08540v1 [cs.lg] 2024年2月13日](/simg/0/0d3c5d21d7ebc6c4f9033fdcaf762fcc6af0e990.webp)
![arxiv：2311.01043v4 [CS.AI] 2024年8月12日](/simg/a/a68a1d0747cbe00cd43a8c917b786c95276654f3.webp)
![arxiv：2408.06500V1 [CS.SD] 2024年8月12日](/simg/7/7972a8c62fa9d6bfd6088ebd19f373e47d55e2dd.webp)
![arxiv：2402.08360v1 [cs.cv] 2024年2月13日](/simg/2/2d78d0b4c73cd9c3f9833e88723c51f5677c71db.webp)
![arxiv：2402.18157V1 [CS.AI] 2024年2月28日](/simg/4/4fdc6d835045693f8a6e4444287ec76ac466a290.webp)
![arxiv：2402.08727v1 [Quant-ph] 2024年2月13日](/simg/8/8fe1e629ad084c14b4a994d1dc5f17f112232ca0.webp)
![arxiv：2408.09358v2 [CS.CV] 2024年8月20日](/simg/9/9c7601f6283402fa75890197349dd4c7072fda58.webp)
![arxiv：2405.01677V2 [CS.LG] 2024年6月7日](/simg/1/1e0e7568f6ff3e5ae97a70471a935bb649c4e3f8.webp)
![arxiv：2402.05617v1 [CS.CL] 2024年2月8日](/simg/9/9a25f6b9402272e8dba9d4a8e7827abf9e512903.webp)
![arxiv：2212.03228v3 [CS.LG] 2024年6月7日](/simg/8/8d6e55e36345a92f0bcf230744b271c0e1d39a3c.webp)
![arxiv：2308.12252V4 [CS.LG] 2024年6月18日](/simg/d/d3b0680c168e732a9b1ac061852d6c8da29e032e.webp)
![arxiv：2402.17644v2 [CS.CL] 2024年6月9日](/simg/4/476a405ee4704d0310b5e28d3ab0647610213243.webp)
![arxiv：2312.00198V2 [CS.LG] 2024年6月17日](/simg/c/c948db6657581e58f47649a6b14c43365028a16f.webp)
![arxiv：2406.06978v4 [CS.CV] 2024年8月30日](/simg/0/0e09b061d49570ad773a0a825e2a80bd33b33716.webp)
![arxiv：2401.00442v2 [CS.CV] 2024年5月13日](/simg/0/06d0e5c75c43538b150bbcbe698db5f21776df73.webp)
![arxiv：2304.00740v3 [CS.CL] 2024年8月9日](/simg/f/fa066c1df834b4c78372fce39124abe828bcbcd4.webp)
![arxiv：2407.00731v2 [CS.CL] 2024年8月17日](/simg/9/9b721677a24632dd83bd60228ac29670ef6644f2.webp)
![arxiv：2402.02420v3 [CS.CL] 2024年10月31日](/simg/7/71c19f71d7ffd7804f63c98f80997de37660d24e.webp)
![arxiv：2402.01166v2 [CS.CV] 2024年3月19日](/simg/e/ebc69f9db689b7dd8b3a8bb2751bb41627c75942.webp)
![arxiv：2404.09393v2 [CS.CE] 2024年8月4日](/simg/c/c123b929ee31acbf96b6c3a6808f63c0a616b96e.webp)
![arxiv：2402.18507V1 [CS.CV] 2024年2月28日](/simg/5/5d5c6259445256728ff11c08e770f085388afbe6.webp)
![arxiv：2312.07178V2 [CS.LG] 2024年1月22日](/simg/2/2fb0536e5708baf7aa717f35831b978468a63181.webp)
![arxiv：2210.04688V5 [CS.LG] 2024年3月20日](/simg/8/8d11f7fd87768d3dd24ba3062541ede7a346234d.webp)
![arxiv：2402.04598V1 [CS.HC] 2024年2月7日](/simg/0/0c956cd7426e379a52ec8740ec3bd812e4c80e71.webp)
![arxiv：2406.08858v1 [CS.RO] 2024年6月13日-Omnih2o](/simg/d/dc505b50ac9d6d51ceb6b1d54938a6a7a50b5116.webp)
![arxiv：2402.07547v1 [CS.MA] 2024年2月12日](/simg/e/e601b3c18b21462c8c7d6cb7a15b3fafd1326b7e.webp)
![arxiv：2409.05215v1 [CS.LG] 8月8日-Athene Research](/simg/2/2a68aa8b27f2f0f386156d6c10db4b3ec03bbf92.webp)