論文の概要: The Ground Truth Trade-Off in Wearable Sensing Studies

• arxiv url: http://arxiv.org/abs/2001.09738v1
• Date: Tue, 7 Jan 2020 00:57:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 11:13:09.798219
• Title: The Ground Truth Trade-Off in Wearable Sensing Studies
• Title（参考訳）: ウェアラブルセンシング研究における地中真実貿易
• Authors: Daniyal Liaqat, Robert Wu, Salaar Liaqat, Eyal de Lara, Andrea Gershon, Frank Rudzicz
• Abstract要約: Perez氏らがApple Watchを使って心房細動(AF)を識別する研究は、ウェアラブルコンピューティングのための大規模機械学習において破滅的な瞬間である。 AFのような状態の場合、脳卒中リスクは3分の2減少する可能性がある。 Perezらによる研究によると、420,000人の個人のうち、根拠となる真理データを持っているのは450人しかいなかった。
• 参考スコア（独自算出の注目度）: 12.431744699014303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perez et al's study using the Apple Watch to identify atrial fibrillation (AF) is a watershed moment in large-scale machine learning for wearable computing. Identifying relevant patients will be tremendously important to research in healthcare. For a condition like AF, this could reduce stroke risk by two thirds. In the study by Perez et al, only 450 out of 420,000 individuals had ground truth data. Their study excluded 417,000 participants using the irregular pulse notification. This design decision means their study was only able to report positive predictive value (PPV) and unable to explore sensitivity or specificity. In this editorial, we explore the difficulty of obtaining ground truth data and its implications for study design.
• Abstract（参考訳）: Perez氏らがApple Watchを使って心房細動(AF)を識別する研究は、ウェアラブルコンピューティングのための大規模機械学習において破滅的な瞬間である。 関連する患者を特定することは、医療研究にとって極めて重要である。 afのような条件では、脳卒中リスクを3分の2減らすことができる。 Perezらの研究によると、420,000人の個人のうち、根拠となる真理データを持っているのは450人しかいなかった。 この研究は不規則なパルス通知を使用して417,000人の参加者を除外した。 この設計決定は、彼らの研究は正の予測値(ppv)しか報告できず、感度や特異性を調べることができなかったことを意味する。 本稿では,基礎的真理データ取得の難しさとその研究設計への応用について考察する。

関連論文リスト

• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• What is Hiding in Medicine's Dark Matter? Learning with Missing Data in Medical Practices [38.64139739520114]
  欠落したデータは、医療専門家の実践パターンに関連付けられている可能性がある。 外傷例5,791例のTARNフィールド79例について検討した。 我々は,1NNインプタが,通常の臨床意思決定のパターンを示す最も優れたインキュベーションであると結論づけた。
  論文  参考訳（メタデータ） (2024-02-09T17:27:35Z)
• Explainable Machine Learning for ICU Readmission Prediction [0.10071153797668914]
  集中治療ユニット(ICU)は、複雑な病院環境を含む。 この環境における不確かで競合し、計画されていない側面は、ケアパスを均一に実施することの難しさを増大させる。 いくつかのユーティリティーは患者の医療情報を通じて寛解を予測しようと試みている。 この研究は、多中心データベース上で患者の寛容をモデル化するための標準化された、説明可能な機械学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-09-25T00:16:43Z)
• Remote Inference of Cognitive Scores in ALS Patients Using a Picture Description [3.441452604187627]
  我々はEdinburgh Cognitive and Behavioral ALS Screen testのデジタル版を初めて実装した。 認知障害を測定するために設計されたこのテストは、EverythALS Speech Studyの56人の参加者が遠隔で実施した。 本研究は,ECAS検査施行日から60日以内に行われた記述を分析し,異なる言語的特徴と音響的特徴を抽出した。
  論文  参考訳（メタデータ） (2023-09-13T14:30:30Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• An introduction to causal reasoning in health analytics [2.199093822766999]
  従来の機械学習と統計的アプローチで発生する可能性のある欠点のいくつかを強調して、観測データを分析します。 一般的な機械学習問題に対処するための因果推論の応用を実演する。
  論文  参考訳（メタデータ） (2021-05-10T20:25:56Z)
• Does BERT Pretrained on Clinical Notes Reveal Sensitive Data? [70.3631443249802]
  我々は、トレーニングされたBERTからPersonal Health Informationを復元するためのアプローチのバッテリーを設計する。 具体的には,患者の名前と関連した状態の回復を試みている。 簡単な探索法では,MIMIC-IIIコーパス上で訓練されたBERTから機密情報を有意に抽出できないことがわかった。
  論文  参考訳（メタデータ） (2021-04-15T20:40:05Z)
• Weak labels and anatomical knowledge: making deep learning practical for intracranial aneurysm detection in TOF-MRA [0.0]
  我々は、過大な弱いラベルを用いてトレーニングされる、完全に自動化されたディープニューラルネットワークを開発する。 当社のネットワークは、社内データで平均77%の感度を達成し、患者1人当たりの平均False Positive(FP)レートは0.72です。
  論文  参考訳（メタデータ） (2021-03-10T16:31:54Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
  本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。 具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。 次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
  論文  参考訳（メタデータ） (2020-07-13T20:05:19Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。