论文网址：Patient Clustering for Vital Organ Failure Using ICD Code With Graph Attention | IEEE Journals & Magazine | IEEE Xplore

目录

1. 心得

2. 论文逐段精读

2.1. Abstract

2.2. Introduction

2.3. Related Work

2.4. Data

2.5. Methods

2.5.1. Analysis Pipeline

2.5.2. Model Training and Assessment

2.5.3. Validation of the Deep Clustering Pipeline on MNIST

2.6. Results

2.6.1. Testing Deep Clustering Model on MNIST

2.6.2. OF Patients Deep Clustering on MIMIC-III

2.6.3. Comparison with DCN and Med-BERT

2.7. Discussions

2.8. Conclusion

1. 心得

（1）failure？me！

（2）怪费解的

（3）聚类类别比较少，聚的大类

2. 论文逐段精读

2.1. Abstract

        ①作者是无监督的。咦

respiratory  adj.呼吸的    comorbidity  n.共病；并存疾病；共病性；共病现象；共病症

2.2. Introduction

        ①作者还是从现存医学问题写到了他们用无监督。但类别很多的情况下无监督真的好吗？有罕见类的时候又能真的分出来吗？

2.3. Related Work

        ①学习嵌入，匹配患者记录矩阵和ICD嵌入矩阵的概率

        ②ICD ontology？对ICD树使用图神经网络

        ③纯嵌入聚类

2.4. Data

        ①数据集：MIMIC-III

        ②编码：ICD-9

        ③作者挑的和衰竭有关的24个，包含：428 （HF）、518.81（急性 RF）、518.83（慢性 RF）、518.84（急性和慢性 RF）、518.51（创伤和手术后的急性 RF）、518.53（创伤和手术后的急性和慢性 RF）、770.84（新生儿 RF）、584（急性 KF）、 669.3（分娩后急性 KF）和 586（肾功能衰竭）等

        ④统计数据：

        ⑤在临床分类软件（CCS）中，使用多级 CCS 来构建本体树：

2.5. Methods

2.5.1. Analysis Pipeline

        ①框架示意图：

        ②为每个ICD叶节点建立嵌入矩阵。都是由祖先和自身的线性加权构成：

其中是一个两层的MLP

        ③使用，其中是患者数量，是ICD代码总数：

是右边压缩的那一个。作者一开始的第三维是说复诊次数，每次可能疾病代码不一样了。空的没来复诊的用0填充

        ④使用GloVe来初始化，是目标ICD编码的祖先

        ⑤重建损失：

其中是聚类数

2.5.2. Model Training and Assessment

        ①预训练：使用GloVe单独预训练和AE预训练；联合训练

2.5.3. Validation of the Deep Clustering Pipeline on MNIST

        ①在MNIST数据集上测试深度聚类模型？这好吗？感觉是完全不一样得分东西诶

        ②评估聚类效果：NMI互信息

2.6. Results

2.6.1. Testing Deep Clustering Model on MNIST

        ①在MNIST数据集上聚类的混淆矩阵：

其中(a)由UMAP但是(b)没有

2.6.2. OF Patients Deep Clustering on MIMIC-III

（1）Interpretation of ICD Pre-Train

        ①使用UMAP和GloVe的聚类分布：

（2）AE Pre-Train

        ①加上AE的聚类：

四个图具有不同的隐藏层

（3）Clustering Results From the Join-Train Stage

        ①联合训练阶段的聚类：

        ②疾病出现频率：

2.6.3. Comparison with DCN and Med-BERT

        ①对于不同聚类数下的聚类分布：

        ②Med-BERT下的聚类：

2.7. Discussions

        ①emm

2.8. Conclusion

        ~