이 연구는 집중 치료실(ICU) 환자의 생체 징후를 예측하기 위해 확산 확률 모델과 Transformer 기반 접근법을 결합한 TDSTF 모델을 제안한다.
데이터 전처리 단계에서는 MIMIC-III 데이터베이스에서 24,886개의 ICU 입원 기록을 추출하였다. 각 기록의 초기 30분은 조건 데이터로, 이후 10분은 목표 데이터로 사용하였다.
TDSTF 모델은 Transformer 기반 백본과 희소 시계열 데이터 처리를 위한 삼중체 표현을 결합하였다. 이를 통해 기존 모델 대비 18.9% 향상된 SACRPS와 34.3% 향상된 MSE 성능을 달성하였다. 또한 추론 속도가 기존 최고 모델 대비 17배 빨랐다.
실험 결과, TDSTF 모델은 심박수, 수축기 혈압, 이완기 혈압의 점진적 변화와 급격한 변화를 모두 정확하게 예측할 수 있었다. 목표 변수에 대한 조건 데이터가 없는 경우에도 높은 정확도를 보였는데, 이는 모델이 모든 특징 간의 상관관계를 효과적으로 학습했음을 의미한다.
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Ping Chang,H... ב- arxiv.org 04-05-2024
https://arxiv.org/pdf/2301.06625.pdfשאלות מעמיקות