文件名称：eICU-GNN-LSTM:该存储库包含用于通过图表示学习来预测患者结果的代码（https
文件大小：165KB
文件格式：ZIP
更新时间：2024-05-28 09:16:59
Python
通过图表示学习预测患者结果 该存储库包含用于通过“图形表示学习”预测患者结果的代码。 您可以在以下网址观看W3PHIAI（AAAI研讨会）上的聚焦演讲视频： 引文 如果您在研究中使用此代码或模型，请引用以下内容： @misc{rocheteautong2021, title={Predicting Patient Outcomes with Graph Representation Learning}, author={Emma Rocheteau and Catherine Tong and Petar Veličković and Nicholas Lane and Pietro Liò}, year={2021}, eprint={2101.03940}, archivePrefix={arXiv}, p
【文件预览】：
eICU-GNN-LSTM-master
----paths.json(162B)
----train_dynamic.py(12KB)
----results()
--------lstmgnn_gat_los.csv(17KB)
--------lstmgnn_mpnn_ihm.csv(28KB)
--------dyn_mpnn_ihm.csv(18KB)
--------lstmgnn_sage_los.csv(15KB)
--------lstmgnn_gat_ihm_no_diag.csv(17KB)
--------lstmgnn_sage_ihm_no_diag.csv(19KB)
--------dyn_gat_los.csv(23KB)
--------ns_gat_ihm.csv(14KB)
--------lstmgnn_gat_ihm.csv(18KB)
--------dyn_mpnn_los.csv(14KB)
--------dyn_gat_ihm.csv(26KB)
--------lstmgnn_mpnn_los.csv(16KB)
--------dyn_gcn_los.csv(12KB)
--------lstm_ihm_no_diag.csv(14KB)
--------ns_sage_los.csv(8KB)
--------lstmgnn_mpnn_los_no_diag.csv(13KB)
--------ns_gat_los.csv(13KB)
--------lstmgnn_gat_los_no_diag.csv(14KB)
--------lstm_ihm.csv(14KB)
--------lstmgnn_mpnn_ihm_no_diag.csv(15KB)
--------lstm_los.csv(12KB)
--------ns_sage_ihm.csv(11KB)
--------lstmgnn_sage_ihm.csv(16KB)
--------lstm_los_no_diag.csv(12KB)
--------lstmgnn_sage_los_no_diag.csv(13KB)
--------dyn_gcn_ihm.csv(18KB)
----train_ns_gnn.py(11KB)
----src()
--------models()
--------utils.py(1KB)
--------__init__.py(0B)
--------metrics.py(6KB)
--------dataloader()
--------README.md(3KB)
--------args.py(14KB)
--------significance_testing()
--------hyperparameters()
----graph_construction()
--------__init__.py(0B)
--------create_bert_graph.py(4KB)
--------README.md(779B)
--------bert.py(4KB)
--------checking()
--------get_diagnosis_strings.py(2KB)
--------create_graph.py(9KB)
----requirements.txt(325B)
----train_ns_lstm.py(14KB)
----train_ns_lstmgnn.py(17KB)
----LICENSE(1KB)
----README.md(7KB)
----.gitignore(1KB)
----eICU_preprocessing()
--------timeseries.sql(10KB)
--------run_all_preprocessing.py(754B)
--------flat_and_labels.py(3KB)
--------split_train_test.py(3KB)
--------__init__.py(0B)
--------create_all_tables.sql(2KB)
--------diagnoses.py(9KB)
--------timeseries.py(10KB)
--------README.md(2KB)
--------flat_features.sql(2KB)
--------labels.sql(3KB)
--------diagnoses.sql(2KB)