Prediction of daily patient visits in respiratory department using deep learning

深度学习 预处理器 计算机科学 急诊科 人工智能 数据预处理 滑动窗口协议 滞后 机器学习 窗口(计算) 医学 计算机网络 精神科 操作系统
作者
Xiaobo Song,Xinyi Zhang,Xiaoli Wang,Yuan Li
标识
DOI:10.1109/cis58238.2022.00022
摘要

Since climate changes and air pollution have a direct impact on the number of emergency respiratory patients visited, in this paper, we study predicting methods of daily patient visits in respiratory department based on deep learning. We validate our methods via experiments on the actual data of the First Affiliated Hospital of Xi'an Medical University. To improve the accuracy of prediction, we propose four data preprocessing methods, including meteorological lag and time sensitive method, sliding window method, seasonal classification method, as well as correlation analysis method. Experimental results show that the prediction accuracy of the deep learning model is improved from 76.28% to 86.37% after adopting our four preprocessing methods. The maximum error between predicted and actual visits is less than 20.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
wlnhyF完成签到,获得积分10
1秒前
pursuit完成签到,获得积分10
4秒前
Neltharion完成签到,获得积分10
5秒前
沈海完成签到,获得积分10
7秒前
悦耳傥完成签到 ,获得积分10
7秒前
一叶知秋应助大橙子采纳,获得10
7秒前
科研小能手完成签到,获得积分10
8秒前
guoxingliu发布了新的文献求助200
9秒前
Double_N完成签到,获得积分10
12秒前
路路完成签到 ,获得积分10
13秒前
碧蓝的盼夏完成签到,获得积分10
17秒前
AU完成签到 ,获得积分10
18秒前
研友_yLpYkn完成签到,获得积分10
19秒前
兴奋的定帮完成签到 ,获得积分0
20秒前
一叶知秋应助大橙子采纳,获得10
21秒前
22秒前
金蛋蛋完成签到 ,获得积分10
22秒前
马琛尧完成签到 ,获得积分10
24秒前
一行白鹭上青天完成签到 ,获得积分10
28秒前
帅气的宽完成签到 ,获得积分10
29秒前
lixoii完成签到 ,获得积分10
31秒前
萌萌许完成签到,获得积分10
31秒前
sunce1990完成签到 ,获得积分10
34秒前
Bin_Liu完成签到,获得积分20
35秒前
宇老师完成签到,获得积分10
35秒前
研友_VZG7GZ应助马琛尧采纳,获得10
36秒前
安安的小板栗完成签到,获得积分10
39秒前
123_完成签到,获得积分10
41秒前
NexusExplorer应助大橙子采纳,获得10
42秒前
上善若水完成签到 ,获得积分10
44秒前
qiqi发布了新的文献求助10
48秒前
48秒前
英俊的铭应助cm采纳,获得10
49秒前
50秒前
量子星尘发布了新的文献求助10
50秒前
affy210310完成签到,获得积分10
51秒前
名字不好起完成签到,获得积分10
51秒前
齐朕完成签到,获得积分10
52秒前
大橙子发布了新的文献求助10
54秒前
speed完成签到 ,获得积分10
55秒前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Handbook of Industrial Diamonds.Vol2 1100
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038157
求助须知:如何正确求助?哪些是违规求助? 3575869
关于积分的说明 11373842
捐赠科研通 3305650
什么是DOI,文献DOI怎么找? 1819255
邀请新用户注册赠送积分活动 892655
科研通“疑难数据库(出版商)”最低求助积分说明 815022