論文の概要: A generalized kernel machine approach to identify higher-order composite
effects in multi-view datasets
- arxiv url: http://arxiv.org/abs/2004.14031v1
- Date: Wed, 29 Apr 2020 08:56:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 12:57:47.876659
- Title: A generalized kernel machine approach to identify higher-order composite
effects in multi-view datasets
- Title（参考訳）: 多視点データセットにおける高次複合効果同定のための一般化カーネルマシンアプローチ
- Authors: Md Ashad Alam, Chuan Qiu, Hui Shen, Yu-Ping Wang, and Hong-Wen Deng
- Abstract要約: マルチビューバイオメディカルデータセットにおける高次合成効果を同定するための新しいカーネルマシン手法を提案する。
提案手法は,高次合成効果を効果的に同定し,協調作業において対応する特徴が機能することを示唆する。
- 参考スコア（独自算出の注目度）: 4.579719459619913
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, a comprehensive study of multi-view datasets (e.g.,
multi-omics and imaging scans) has been a focus and forefront in biomedical
research. State-of-the-art biomedical technologies are enabling us to collect
multi-view biomedical datasets for the study of complex diseases. While all the
views of data tend to explore complementary information of a disease,
multi-view data analysis with complex interactions is challenging for a deeper
and holistic understanding of biological systems. In this paper, we propose a
novel generalized kernel machine approach to identify higher-order composite
effects in multi-view biomedical datasets. This generalized semi-parametric (a
mixed-effect linear model) approach includes the marginal and joint Hadamard
product of features from different views of data. The proposed kernel machine
approach considers multi-view data as predictor variables to allow more
thorough and comprehensive modeling of a complex trait. The proposed method can
be applied to the study of any disease model, where multi-view datasets are
available. We applied our approach to both synthesized datasets and real
multi-view datasets from adolescence brain development and osteoporosis study,
including an imaging scan dataset and five omics datasets. Our experiments
demonstrate that the proposed method can effectively identify higher-order
composite effects and suggest that corresponding features (genes, region of
interests, and chemical taxonomies) function in a concerted effort. We show
that the proposed method is more generalizable than existing ones.
- Abstract（参考訳）: 近年では、マルチビューデータセット(例えば、マルチオミクスやイメージングスキャン)の包括的な研究が、バイオメディカル研究の焦点と前線となっている。
最新のバイオメディカル技術により、複雑な疾患の研究のためにマルチビューのバイオメディカルデータセットを収集することができる。
データのすべてのビューは、病気の補完的な情報を探索する傾向があるが、複雑な相互作用を伴うマルチビューデータ分析は、生物学的システムをより深く総合的に理解するには困難である。
本稿では,多視点バイオメディカルデータセットにおける高次複合効果を同定する,新しい一般化カーネルマシン手法を提案する。
この一般化半パラメトリック(混合効果線形モデル)アプローチは、異なるデータの観点からの特徴の限界および合同アダマール積を含む。
提案するカーネルマシンアプローチでは,マルチビューデータを予測変数として考慮し,複雑な特性のより詳細なモデリングを可能にする。
提案手法は,マルチビューデータセットが利用可能な疾患モデルの研究に適用できる。
我々は,画像スキャンデータセットと5つのomicsデータセットを含む青年期脳の発達と骨粗しょう症研究から,合成データセットと実際の多視点データセットの両方に本手法を適用した。
提案手法は, 高次合成効果を効果的に同定し, 対応する特徴(遺伝子, 興味領域, 化学分類学)が協調的に機能することが示唆された。
提案手法は既存手法よりも一般化可能であることを示す。
関連論文リスト
- Multiplex Imaging Analysis in Pathology: a Comprehensive Review on Analytical Approaches and Digital Toolkits [0.7968706282619793]
マルチ多重イメージングは、複数のバイオマーカーを1つのセクションで同時に視覚化することを可能にする。
多重画像からのデータは、前処理、セグメンテーション、特徴抽出、空間解析のための洗練された計算方法を必要とする。
PathMLは、画像分析を効率化するAIベースのプラットフォームで、臨床および研究環境では複雑な解釈がアクセス可能である。
論文 参考訳（メタデータ） (2024-11-01T18:02:41Z) - Supervised Multiple Kernel Learning approaches for multi-omics data integration [1.3032276477872158]
マルチカーネル学習(MKL)は、マルチオミクス入力の多様な性質を考える上で、柔軟で有効なアプローチであることが示されている。
我々は、異なるカーネル融合戦略に基づく新しいMKLアプローチを提供する。
その結果、MKLベースのモデルは、より複雑で最先端の教師付きマルチオミクス積分アプローチと競合することを示した。
論文 参考訳（メタデータ） (2024-03-27T08:48:16Z) - Eye-gaze Guided Multi-modal Alignment for Medical Representation Learning [65.54680361074882]
アイゲイズガイドマルチモーダルアライメント(EGMA)フレームワークは、アイゲイズデータを利用して、医用視覚的特徴とテキスト的特徴のアライメントを改善する。
我々は4つの医療データセット上で画像分類と画像テキスト検索の下流タスクを行う。
論文 参考訳（メタデータ） (2024-03-19T03:59:14Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - HEALNet: Multimodal Fusion for Heterogeneous Biomedical Data [10.774128925670183]
本稿では,フレキシブルなマルチモーダル融合アーキテクチャであるHybrid Early-fusion Attention Learning Network (HEALNet)を提案する。
The Cancer Genome Atlas (TCGA) の4つのがんデータセットにおける全スライド画像と多モードデータを用いたマルチモーダルサバイバル解析を行った。
HEALNetは、他のエンドツーエンドの訓練された融合モデルと比較して最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2023-11-15T17:06:26Z) - Building Flexible, Scalable, and Machine Learning-ready Multimodal
Oncology Datasets [17.774341783844026]
本研究は、オンコロジーデータシステム(MINDS)のマルチモーダル統合を提案する。
MINDSはフレキシブルでスケーラブルで費用対効果の高いメタデータフレームワークで、公開ソースから異なるデータを効率的に分離する。
MINDSは、マルチモーダルデータを調和させることで、より分析能力の高い研究者を力づけることを目指している。
論文 参考訳（メタデータ） (2023-09-30T15:44:39Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳（メタデータ） (2023-05-25T16:29:16Z) - CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self
Attention for multi-omics integration with incomplete multi-omics data [47.2764293508916]
不均一・高次元マルチオミクスデータの統合は、遺伝データの理解においてますます重要になっている。
マルチオミクスデータ統合を行う際に直面する障害のひとつは、機器の感度とコストによる未ペアリングマルチオミクスデータの存在である。
クロスオミクスを用いたマルチオミクス統合のための深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-04-12T00:22:18Z) - A Variational Information Bottleneck Approach to Multi-Omics Data
Integration [98.6475134630792]
本稿では,不完全な多視点観測のための深い変動情報ボトルネック (IB) 手法を提案する。
本手法は,対象物に関連のある視点内および視点間相互作用に焦点をあてるために,観測された視点の辺縁および結合表現にISBフレームワークを適用した。
実世界のデータセットの実験から、我々の手法はデータ統合から常に利益を得て、最先端のベンチマークより優れています。
論文 参考訳（メタデータ） (2021-02-05T06:05:39Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z)
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。