一、报告题目

电子医疗病历的概念表示学习及临床终点预测

二、报告人简介

张铭，北京大学信息科学技术学院教授，博士生导师，ACM 全球计算机教育专委会惟一中国理事，ACM计算机教育研究会 SIGCSE China主席，ACM/IEEE IT2017 学科执委，ACM/IEEE CC2020计算机学科规范领导小组成员。1984年考入北京大学，分别获得学士、硕士和博士学位。研究方向为机器学习、文本挖掘等，目前有两项在研国家项目。合作发表科研学术论文 200 多篇，多篇工作发表在 ICML、AAAI、IJCAI、SIGKDD、TKDE 等国际顶级会议和期刊，Google学术上的论文他引 11200多篇次，H 因子 34。获得机器学习领域最好的会议 ICML2014 最佳论文奖。信息网络嵌入模型 LINE 发表在 WWW2015，是WWW五年论文被引第一；大规模网络可视化工具 LargeVis获得 WWW2016 最佳论文提名。出版学术专著1部，获发明专利3项。所主持的“数据结构与算法”被评为国家级精品课程、国家级优质资源共享课、国家级精品在线开放课程、国家级一流本科课程。

三、报告摘要

报告主要介绍主题医疗表示学习（TMCE）模型，该模型基于生成模型，可以为病例中的每个异构的事件分配不同的高维空间向量表示。TMCE可以显示地学习高维向量之间的关系，从而不再需要通过可视化方法来解释高维向量含义，降低人为引入误差。实验结果表明，TMCE学习的医疗多语义向量表示可以有效提高临床终点预测能力和诊断正确率；部分向量的学习结果的案例研究表示，TMCE模型得到的结果解释型更强。未来项目团队将以此为基础，进一步考虑医疗事件的时序信息，建立对电子医疗病例中的异构事件序列的层次化表示学习模型。

四、主办单位

山东大学泰山学堂

五、报告时间

2021年8月21日上午10：00

六、参与方式

腾讯会议（线上）

会议 ID：224 903 701

会议链接：https://meeting.tencent.com/dm/UQN9mpXqmrUM