Fugu-MT 論文翻訳(概要): Representation Learning for Medical Data

論文の概要: Representation Learning for Medical Data

arxiv url: http://arxiv.org/abs/2001.08269v1
Date: Wed, 22 Jan 2020 20:34:11 GMT
ステータス: 処理完了
システム内更新日: 2023-01-07 17:46:39.041166
Title: Representation Learning for Medical Data
Title（参考訳）: 医療データの表現学習
Authors: Karol Antczak
Abstract要約: 本稿では,医学診断領域における表現学習フレームワークを提案する。これは、診断データの異種ネットワークベースモデルと、潜在ノード表現を学習するための改良されたメタパス2vecアルゴリズムに基づいている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a representation learning framework for medical diagnosis domain. It is based on heterogeneous network-based model of diagnostic data as well as modified metapath2vec algorithm for learning latent node representation. We compare the proposed algorithm with other representation learning methods in two practical case studies: symptom/disease classification and disease prediction. We observe a significant performance boost in these task resulting from learning representations of domain data in a form of heterogeneous network.
Abstract（参考訳）: 本稿では,医学診断領域における表現学習フレームワークを提案する。これは、診断データの異種ネットワークベースモデルと、潜在ノード表現を学習するための改良されたメタパス2vecアルゴリズムに基づいている。提案手法を他の表現学習法と比較し,症状分類と疾患予測の2つの実践例について検討した。異種ネットワークの形でドメインデータの表現を学習した結果,これらのタスクにおける顕著なパフォーマンス向上が観察された。

関連論文リスト

A Comparative Study of Graph Neural Networks for Shape Classification in Neuroimaging [17.775145204666874]
ニューロイメージングにおける形状分類のための幾何学的深層学習の現状について概説する。ノード機能としてFPFHを使用することで,GNNの性能が大幅に向上し,アウト・オブ・ディストリビューションデータへの一般化が期待できる。以上の結果から,アルツハイマー病の分類を応用し,臨床的に有意な課題を確定した。
論文参考訳（メタデータ） (2022-10-29T19:03:01Z)
RandomSCM: interpretable ensembles of sparse classifiers tailored for omics data [59.4141628321618]
決定規則の結合や解離に基づくアンサンブル学習アルゴリズムを提案する。モデルの解釈可能性により、高次元データのバイオマーカー発見やパターン発見に有用である。
論文参考訳（メタデータ） (2022-08-11T13:55:04Z)
Contrastive Brain Network Learning via Hierarchical Signed Graph Pooling Model [64.29487107585665]
脳機能ネットワーク上のグラフ表現学習技術は、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を容易にする。本稿では,脳機能ネットワークからグラフレベル表現を抽出する階層型グラフ表現学習モデルを提案する。また、モデルの性能をさらに向上させるために、機能的脳ネットワークデータをコントラスト学習のために拡張する新たな戦略を提案する。
論文参考訳（メタデータ） (2022-07-14T20:03:52Z)
Representation Topology Divergence: A Method for Comparing Neural Network Representations [10.74105109486386]
そこで我々は,Top Representationology Divergence (RTD, Top Representationology Divergence)を導入する。実験の結果,提案したRTDはデータ表現類似性の直感的な評価と一致し,そのトポロジ的構造に敏感であることがわかった。
論文参考訳（メタデータ） (2021-12-31T21:08:56Z)
A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文参考訳（メタデータ） (2021-02-26T17:49:58Z)
Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。共通情報と相補情報の両方を敵意で抽出することを目的としている。特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文参考訳（メタデータ） (2021-02-15T18:46:44Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Domain Shift in Computer Vision models for MRI data analysis: An Overview [64.69150970967524]
機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。しかし、現在臨床応用はごくわずかである。異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
論文参考訳（メタデータ） (2020-10-14T16:34:21Z)
Supervision and Source Domain Impact on Representation Learning: A Histopathology Case Study [6.762603053858596]
本研究では,表現学習領域におけるディープニューラルネットワークの性能と三重項損失について検討した。病理画像の類似性や相違性について検討し,教師なし,半教師なし,教師付き学習との違いを比較した。学習した表現を2つの異なる病理データセットに適用し,高い精度と一般化を実現した。
論文参考訳（メタデータ） (2020-05-10T21:27:38Z)
Mining self-similarity: Label super-resolution with epitomic representations [19.00781920549796]
エピトームのような単純なパッチベースのモデルでは,セマンティックセグメンテーションやラベル超解像における技術の現状よりも優れた性能が得られることを示す。我々は、非常に大きなデータセットから初めて学習できる、エピトームのための新しいトレーニングアルゴリズムを導出する。
論文参考訳（メタデータ） (2020-04-24T00:42:59Z)
Similarity of Neural Networks with Gradients [8.804507286438781]
本稿では,特徴ベクトルと勾配ベクトルの両方を利用してニューラルネットワークの表現を設計することを提案する。提案手法はニューラルネットワークの類似性を計算するための最先端の手法を提供する。
論文参考訳（メタデータ） (2020-03-25T17:04:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。