ML-CLAPPS

新的ML-CLAPPS框架解决了临床优先排序中的非平衡多标签学习问题

研究人员开发了ML-CLAPPS，一个新颖的概率框架，旨在解决非平衡多标签学习问题，特别是在心电图分类等临床应用中。该框架在训练期间优化实例采样，以管理复杂的标签共现并优先处理高风险病症，无论其患病率如何。在真实心电图数据集上的实证结果表明，ML-CLAPPS通过有效地将类别暴露与用户定义的权重向量对齐，实现了最先进的性能，从而提高了对危重病症的分类效果。