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.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Ping Chang,H... : arxiv.org 04-05-2024
https://arxiv.org/pdf/2301.06625.pdfDaha Derin Sorular