基于深度生成模型与数据融合的医疗数据缺失值填补系统开发_医疗大数据与数据挖掘_2026年课程设计.docxVIP

  • 0
  • 0
  • 约2.32万字
  • 约 29页
  • 2026-11-22 发布于北京
  • 举报

基于深度生成模型与数据融合的医疗数据缺失值填补系统开发_医疗大数据与数据挖掘_2026年课程设计.docx

PAGE1

摘要

电子病历是临床研究与辅助决策的基础数据来源,但检验指标漏记、监测设备断续采集、患者转科转院等原因使真实医疗数据集的缺失率普遍达到20%—60%,且不同数据源(检验、生命体征、用药记录)的缺失模式相互耦合。传统的均值填补、K近邻填补与MICE等方法在缺失率高、变量间非线性关系强时误差显著上升,难以支撑后续建模。

本课题面向真实电子病历场景,设计并实现了一个融合多源数据的深度生成填补系统DF-MGAIN(DeepGenerativeImputationwithMulti-sourceFusion)。该系统以生成对抗填补框架GAIN(Yoon等,IC

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档