[Feature] Implement KeyClass (Weak Supervision) for Clinical Notes
Les mainteneurs répondent en général sous 3 jours
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Accessibilité débutants
- 35/100
- Type d'issue
- Fonctionnalité
- Clarté
- Plutôt claire
- Activité
- Calme
- Domaine
- data, machine-learning
Piste de recherche
Start by reading PyHealth’s contribution guidelines and locating its existing data-processing and learning pipelines; the issue does not identify specific files or tests. The proposal describes three phases—MIMIC-III discharge-summary processing with TF-IDF filtering, weak supervision with labeling functions and Snorkel, and end-to-end self-training with a classifier such as BERT. Done would require agreeing on scope and implementing the selected phase, but the issue does not define acceptance criteria.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
Hi PyHealth Team,
I am Shuqing Zou, an MSCS student at USF. My current work and internship focus on heuristic-based label generation and clinical risk prediction from unstructured EHR text, which aligns perfectly with the KeyClass pipeline.
Because of this strong alignment, I would love to give it a try and implement it from scratch for PyHealth. Since this is a non-trivial feature, I'd like to propose a phased approach to keep the PRs easy to review:
- Phase 1: Data processing pipeline for MIMIC-III discharge summaries (including the TF-IDF filtering step).
- Phase 2: Integrate weak supervision logic (Labeling Functions + Snorkel Label Model).
- Phase 3: End-to-end self-training classifier (e.g., via BERT).
I read the contributing guidelines and am ready to branch off develop. Could you let me know if anyone is currently working on this? If not, I can start putting together a draft PR for Phase 1!
Thanks!
- Langage dominant
- Python
- Étoiles
- 1.7k
- Forks
- 803
- Merge moyen
- 5 j 20 h
- PR mergées (30 j)
- 56
Préparer son environnement
- Aucun Dockerfile ni fichier Docker Compose
- Aucun modèle de pull request
- Lire le guide de contribution
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de sunlabuiuc/PyHealth
-
Difficulté 2/5 1-3 heures Accessibilité débutants 77/100
sunlabuiuc/PyHealth#1333 · 1 commentaire ·
Les mainteneurs répondent en général sous 3 jours
-
Difficulté 4/5 3-5 jours Accessibilité débutants 30/100
sunlabuiuc/PyHealth#1297 ·
Les mainteneurs répondent en général sous 3 jours
-
Difficulté 4/5 3-5 jours Accessibilité débutants 22/100
sunlabuiuc/PyHealth#1295 · 1 commentaire ·
Les mainteneurs répondent en général sous 3 jours
-
Difficulté 3/5 1-2 jours Accessibilité débutants 42/100
sunlabuiuc/PyHealth#1294 · 1 commentaire ·
Les mainteneurs répondent en général sous 3 jours
-
Internal transfers are counted as readmissionsPeut-être pris @thebean27 l’a pris il y a 21 jours. Ouverte
Difficulté 4/5 3-5 jours Accessibilité débutants 35/100
sunlabuiuc/PyHealth#1269 · 3 commentaires ·
Les mainteneurs répondent en général sous 3 jours
Toutes les issues de sunlabuiuc/PyHealth
Issues similaires
-
enhancement
Difficulté 2/5 1-3 heures Accessibilité débutants 78/100
glossyio/traffic-monitor#264 ·
Les mainteneurs répondent en général sous 1 jour
-
Add self-hostOuverte
Difficulté 1/5 Moins d'une heure Accessibilité débutants 75/100
Atarity/deploy-your-own-saas#102 ·
-
[Bug]: RDFlex silently drops the covariate adjustment when the outcome or treatment column is integer-typedPeut-être pris @vrjdev l’a pris aujourd’hui. Ouverte
Difficulté 2/5 1-3 heures Accessibilité débutants 78/100
DoubleML/doubleml-for-py#424 ·
Les mainteneurs répondent en général sous 1 jour
-
agentic-dmx docs enhancement
Difficulté 1/5 1-3 heures Accessibilité débutants 86/100
-
Difficulté 1/5 Moins d'une heure Accessibilité débutants 72/100
521xueweihan/HelloGitHub#4150 ·