論文の概要: Hierarchical Reinforcement Learning for Automatic Disease Diagnosis
- arxiv url: http://arxiv.org/abs/2004.14254v2
- Date: Tue, 7 Nov 2023 15:10:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 20:17:29.475109
- Title: Hierarchical Reinforcement Learning for Automatic Disease Diagnosis
- Title（参考訳）: 自動診断のための階層的強化学習
- Authors: Cheng Zhong, Kangenbei Liao, Wei Chen, Qianlong Liu, Baolin Peng,
Xuanjing Huang, Jiajie Peng and Zhongyu Wei
- Abstract要約: 政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。
提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
- 参考スコア（独自算出の注目度）: 52.111516253474285
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Motivation: Disease diagnosis oriented dialogue system models the interactive
consultation procedure as Markov Decision Process and reinforcement learning
algorithms are used to solve the problem. Existing approaches usually employ a
flat policy structure that treat all symptoms and diseases equally for action
making. This strategy works well in the simple scenario when the action space
is small, however, its efficiency will be challenged in the real environment.
Inspired by the offline consultation process, we propose to integrate a
hierarchical policy structure of two levels into the dialogue systemfor policy
learning. The high-level policy consists of amastermodel that is responsible
for triggering a low-levelmodel, the lowlevel policy consists of several
symptom checkers and a disease classifier. The proposed policy structure is
capable to deal with diagnosis problem including large number of diseases and
symptoms.
Results: Experimental results on three real-world datasets and a synthetic
dataset demonstrate that our hierarchical framework achieves higher accuracy
and symptom recall in disease diagnosis compared with existing systems. We
construct a benchmark including datasets and implementation of existing
algorithms to encourage follow-up researches.
Availability: The code and data is available from
https://github.com/FudanDISC/DISCOpen-MedBox-DialoDiagnosis
Contact: 21210980124@m.fudan.edu.cn
Supplementary information: Supplementary data are available at Bioinformatics
online.
- Abstract（参考訳）: モチベーション: 疾患診断指向対話システムはマルコフ決定プロセスや強化学習アルゴリズムとしてインタラクティブな相談手順をモデル化して問題解決を行う。
既存のアプローチは通常、平らなポリシー構造を採用し、すべての症状や疾患を平等に治療する。
この戦略は、アクション空間が小さい場合の単純なシナリオでうまく機能するが、実際の環境ではその効率性に挑戦する。
オフラインのコンサルティングプロセスに着想を得て,政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。
ハイレベルポリシーは低レベルモデルの引き金となるマスターモデルからなり、低レベルポリシーはいくつかの症状チェッカーと疾患分類器から成り立っている。
提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
結果: 3つの実世界のデータセットと合成データセットを用いた実験結果から,既存のシステムと比較して,階層的フレームワークが疾患診断において高い精度と症状のリコールを実現することが示された。
我々は、データセットと既存のアルゴリズムの実装を含むベンチマークを構築し、フォローアップ研究を促進する。
可用性: コードとデータはhttps://github.com/FudanDISC/DISCOpen-MedBox-DialoDiagnosis Contact: 21210980124@m.fudan.edu.cn 追加情報: 補助データはBioinformaticsでオンラインで入手できる。
関連論文リスト
- Conversational Disease Diagnosis via External Planner-Controlled Large Language Models [18.93345199841588]
本研究は,医師のエミュレートによる計画能力の向上を目的としたLCMに基づく診断システムを提案する。
実際の患者電子カルテデータを利用して,仮想患者と医師とのシミュレーション対話を構築した。
論文 参考訳（メタデータ） (2024-04-04T06:16:35Z) - OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease
Diagnosis [11.775648630734949]
アルツハイマー病(AD)は逆転や治癒はできないが、タイムリーな診断は治療やケアの負担を大幅に軽減することができる。
AD診断モデルに関する現在の研究は、診断タスクを典型的な分類タスクと見なしている。
複雑で不確実な臨床環境下での直接AD診断のためのOpenClinicalAIを提案する。
論文 参考訳（メタデータ） (2023-07-03T12:35:03Z) - Federated Offline Reinforcement Learning [55.326673977320574]
マルチサイトマルコフ決定プロセスモデルを提案する。
我々は,オフラインRLを対象とした最初のフェデレーション最適化アルゴリズムを設計する。
提案アルゴリズムでは,学習ポリシーの準最適性は,データが分散していないような速度に匹敵する,理論的保証を与える。
論文 参考訳（メタデータ） (2022-06-11T18:03:26Z) - Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic
Reinforcement Learning [9.274138493400436]
医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。
これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。
生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-08T03:06:16Z) - NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model
with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。
本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。
以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文 参考訳（メタデータ） (2022-06-02T07:57:17Z) - DxFormer: A Decoupled Automatic Diagnostic System Based on
Decoder-Encoder Transformer with Dense Symptom Representations [26.337392652262103]
診断指向対話システムは患者の健康状態を照会し、患者との継続的な対話を通じて疾患の予測を行う。
本稿では,診断プロセスを症状調査と疾患診断の2つの段階に分割する,分離された自動診断フレームワークDxFormerを提案する。
提案モデルは,医師の臨床経験を効果的に学習し,症状のリコールと診断精度の点で最先端の結果を得ることができる。
論文 参考訳（メタデータ） (2022-05-08T01:52:42Z) - Bayesian Structural Learning for an Improved Diagnosis of Cyber-Physical
Systems [0.8379286663107844]
本稿では,構造化診断モデルの自動学習のためのスケーラブルアルゴリズムを提案する。
比較アルゴリズムと同等のパフォーマンスを提供し、解釈性を向上させます。
論文 参考訳（メタデータ） (2021-04-02T11:14:05Z) - 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) - Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue
Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。
また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文 参考訳（メタデータ） (2020-12-22T13:20:23Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z)
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。