近日，第38届神经信息处理会议(The Thirty-eighth Annual Conference on Neural Information Processing Systems, NeurIPS 2024)公布了录用论文列表，组里研二硕士生罗奕城同学的“Text-Empowered Dynamic Graph Network for Irregularly Sampled Medical Time Series”论文被主会录用。
NeurIPS是当前全球最负盛名的AI学术会议之一，全称是Neural Information Processing Systems，神经信息处理系统大会，通常在每年12月由NeurIPS基金会主办。大会讨论的内容包含深度学习、计算机视觉、大规模机器学习、学习理论、优化、稀疏理论等众多细分领域，在CCF学术推荐列表中认定为A类会议。今年NeurIPS将于12月9日至15日在加拿大温哥华举行。
论文题目：Text-Empowered Dynamic Graph Network for Irregularly Sampled Medical Time Series
论文简介：不规则采样医疗时间序列在医疗保健领域很常见，其中不同的医学变量间既有自身个性化的时序模式(差异性)，又存在相互关联(相关性)。现有的方法未能充分考虑医学变量之间的相关性和差异性，缺乏提取变量级别的细粒度特征的能力。本文提出了一种结合了医学语义知识的动态图（KEDGN）来对不规则医学时间序列进行建模。KEDGN利用预训练语言模型从医学变量的文本医学知识中提取每个变量的语义表示，以区分医学变量间的差异性，同时构造变量图来学习变量间相关性，并在此基础上引入了密度感知机制来动态调整变量图，以建模动态的变量间相关性。实验结果表明KEDGN在医学时间序列分类任务中优于现有方法，并具有很高的可解释性。
模型代码：稍后更新。