論文の概要: Comparative Visual Analytics for Assessing Medical Records with Sequence Embedding

• arxiv url: http://arxiv.org/abs/2002.08356v2
• Date: Mon, 23 Mar 2020 20:02:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 20:01:01.413702
• Title: Comparative Visual Analytics for Assessing Medical Records with Sequence Embedding
• Title（参考訳）: シーケンシャル埋め込みによる医療記録評価のための比較ビジュアル分析
• Authors: Rongchen Guo, Takanori Fujiwara, Yiran Li, Kelly M. Lima, Soman Sen, Nam K. Tran, and Kwan-Liu Ma
• Abstract要約: 患者記録の比較研究を支援する視覚分析システムを開発した。 カリフォルニア大学デイビス校の新生児集中治療ユニットから得られた実世界のデータセットを用いたケーススタディにより, 設計とシステムの有効性を実証した。
• 参考スコア（独自算出の注目度）: 17.752580010414228
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning for data-driven diagnosis has been actively studied in medicine to provide better healthcare. Supporting analysis of a patient cohort similar to a patient under treatment is a key task for clinicians to make decisions with high confidence. However, such analysis is not straightforward due to the characteristics of medical records: high dimensionality, irregularity in time, and sparsity. To address this challenge, we introduce a method for similarity calculation of medical records. Our method employs event and sequence embeddings. While we use an autoencoder for the event embedding, we apply its variant with the self-attention mechanism for the sequence embedding. Moreover, in order to better handle the irregularity of data, we enhance the self-attention mechanism with consideration of different time intervals. We have developed a visual analytics system to support comparative studies of patient records. To make a comparison of sequences with different lengths easier, our system incorporates a sequence alignment method. Through its interactive interface, the user can quickly identify patients of interest and conveniently review both the temporal and multivariate aspects of the patient records. We demonstrate the effectiveness of our design and system with case studies using a real-world dataset from the neonatal intensive care unit of UC Davis.
• Abstract（参考訳）: データ駆動診断のための機械学習は、より良い医療を提供するために医学で積極的に研究されている。 治療中の患者と類似した患者のコホートの分析を支援することは、臨床医が高い信頼度で決定を下すための重要な課題である。 しかし、このような分析は、高次元性、時間の不規則性、空間性といった医療記録の特徴から、簡単ではない。 この課題に対処するために,医療記録の類似性計算手法を提案する。 本手法はイベントおよびシーケンス埋め込みを用いる。 イベント埋め込みにはautoencoderを使用しますが、その変異をシーケンス埋め込みのセルフアテンションメカニズムに適用します。 さらに,データの不規則性をよりよく扱うために,時間間隔の異なる自己認識機構を強化する。 患者記録の比較研究を支援するビジュアル分析システムを開発した。 長さの異なるシーケンスの比較を容易にするため,本システムではシーケンスアライメント手法を採用している。 対話的なインタフェースにより、ユーザは興味のある患者を素早く識別し、患者の記録の時間的側面と多変量の両方を便利にレビューすることができる。 本研究は,ucデービスの新生児集中治療ユニットによる実世界データセットを用いた事例スタディを用いて,デザインとシステムの有効性を実証する。

関連論文リスト

• SHAPE: A Sample-adaptive Hierarchical Prediction Network for Medication Recommendation [22.899946140205962]
  本稿では,SHAPE(Sample-adaptive Hierarchical medicAtion Prediction nEtwork)を提案する。 具体的には、訪問レベルの表現を得るために、医療イベントにおける関係を符号化する、コンパクトなビジット・セット・エンコーダを設計する。 モデルに可変訪問長をモデル化する能力を与えるため,各標本の難易度を訪問長によって自動的に割り当てるソフトカリキュラム学習手法を提案する。
  論文  参考訳（メタデータ） (2023-09-09T08:28:04Z)
• Hypergraph Convolutional Networks for Fine-grained ICU Patient Similarity Analysis and Risk Prediction [15.06049250330114]
  集中治療ユニット(ICU、Intensive Care Unit)は、重篤な患者を認め、継続的な監視と治療を提供する病院の最も重要な部分の1つである。 臨床意思決定における医療従事者を支援するために,様々な患者結果予測手法が試みられている。
  論文  参考訳（メタデータ） (2023-08-24T05:26:56Z)
• SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
  本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。 実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
  論文  参考訳（メタデータ） (2023-03-23T04:47:46Z)
• Heterogeneous electronic medical record representation for similarity computing [3.039568795810294]
  患者類似度評価は、特定の患者に類似している患者を識別するための二次タスクの1つです。 本稿では,EMR(Electronic Medical Records)の新しいデータ表現手法について検討する。 本研究では,非構造化データと構造化データを用いて,症状,症状,疾患を含むさまざまな医療イベントの同時発生を捉える手法を提案する。
  論文  参考訳（メタデータ） (2021-04-29T09:38:14Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• Patient Similarity Analysis with Longitudinal Health Data [0.5249805590164901]
  電子健康記録には、医療訪問、検査、手順、および結果に関する時間分解情報が含まれている。 これらの旅の類似性を評価することで、共通の病気の軌跡を共通の健康結果とともに発見することができる。 特定のクラスタへの患者旅行の割り当ては、パーソナライズされた結果予測と治療選択の基礎となる可能性がある。
  論文  参考訳（メタデータ） (2020-05-14T07:06:02Z)
• Estimating Counterfactual Treatment Outcomes over Time Through Adversarially Balanced Representations [114.16762407465427]
  時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。 CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。 本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
  論文  参考訳（メタデータ） (2020-02-10T20:47:36Z)

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。