我们可以解决时间过程中的不规则问题! 使用深度学习模型与T-LSTM的患者档案提取方法的建议。

三个要点
✔️提出一个时间序列深度学习模型，以提取慢性肾脏病（CKD）的长期趋势 ✔
️使用随机采样的患者数据的T-LSTM。
✔️不规则时间特征学习来识别CKD患者的独特特征。

从慢性肾脏病的临床数据中学习深度表征，作者是 Duc Thanh Anh Luong,Varun Chandola
(2018年10月1日提交(v1)，2019年2月9日最后一次修订(本版，v2)]
评论。由arXiv发表
学科：机器学习（cs.lg）；机器学习（stat.ML）；机器学习（stat.ML）。机器学习(cs.LG)；机器学习(stat.ML)

背景

在本节中，我们将概述本研究中涉及的慢性肾脏病（CKD）和时间感知LSTM（T-LSTM），然后我们将讨论研究的要点。

什么是慢性肾脏病（CKD）？

在谈慢性肾病之前，我想先概述一下肾脏的工作原理，因为肾脏承担着一举清除体内废物的任务。

　肾脏位于后背中部附近，横跨脊柱，脊柱两侧各有两个。它们的主要功能是分化体内不需要的物质和必须的物质，并产生尿液，以释放体内不需要的物质。因为它只负责清除体内不需要的物质，心脏泵出的血液有四分之一流入体内。这些血液被称为肾小球的毛细血管集合过滤和净化，并分离成身体需要的和不需要的。

　当我们说到清除不需要的物质时，肾脏也有两大功能。一个是我刚才说的肾小球的"过滤功能"，另一个是肾小球之后的小管的"重吸收功能"。从清除不需要的物质的流程来看，首先血液经过肾小球的粗略过滤，使血液中只剩下大分子物质（蛋白质、红细胞等）。之后，身体所需的东西（水和电解质）在小管中被重新吸收。所以，即使我们简单的说肾脏不好，也要查明原因，因为不同的疾病，其过滤或重吸收功能是不同的。另外，在人体中只有肾脏有这些作用，肾脏在清除体内不需要的物质时，都是靠自己的力量来发挥重要作用。

CKD是一种多因素的疾病，体内各种因素复杂的结合。此外，一般指出，肾功能一旦恶化就很难改善，在肾功能恶化之前及早发现和预防是重要的问题。

本文还关注时间上的异质性，称CKD的进展因患者不同而不同，估计亚组来解释这种异质性是很重要的。

• 
• 
• 

与本文相关的类别

• 论文
• 深度学习
• 医疗
• 医疗