כתבה
arXiv cs.LG ·
SepsisLens: חידוש במודלים לזיהוי ספסיס מוקדם
SepsisLens: Structure-Preserving Sequence Modelling for Decomposable Early Sepsis Warning
מודל חדש לזיהוי ספסיס מוקדם, המשמר את המבנה וההרכב של הנתונים. המודל, SepsisLens, עובד על נתוני ICU ומזהה ספסיס מוקדם באופן יעיל. המודל נבחן על ארבעה קבוצות שונות של נתוני ICU, והוכיח יעילות ואמינות בזיהוי ספסיס מוקדם.
תקציר מקורי באנגליתarXiv:2610.08046v1 Announce Type: new Abstract: Early sepsis warning from ICU records can be cast as a structure-preserving prediction problem. A model needs to detect deterioration from irregular measurements while keeping each alert connected to the physiological signals that support it. Many temporal models fuse clinical variables into a patient-level representation, supporting scalar risk prediction but weakening the structure needed for clinical decomposition. We present SepsisLens, which preserves variable-indexed temporal states until risk composition. Observation-aware representations encode each variable's dynamics and measurement history, while a shared temporal encoder models each trajectory without collapsing the variable axis. The StructuredRiskHead composes multi-horizon risk
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית