論文の概要: Multi-agent model for risk prediction in surgery

• arxiv url: http://arxiv.org/abs/2005.10738v2
• Date: Wed, 22 Jul 2020 13:39:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 23:47:00.877573
• Title: Multi-agent model for risk prediction in surgery
• Title（参考訳）: 手術リスク予測のためのマルチエージェントモデル
• Authors: Bruno Perez, Julien Henriet, Christophe Lang, Laurent Philippe
• Abstract要約: 手術室を構成する異なる要素の動作と状態から生じるリスク管理は、外科手術において大きな関心事である。 エージェントベースのシミュレーションは、異なるシミュレーターエンティティの相互作用の概念、相互作用性、自律性を通じて興味を示す。 本研究では,エージェントのシミュレータに適用されるさまざまな設定の進化を聴くために,警告発生器を実装したい。
• 参考スコア（独自算出の注目度）: 6.021787236982659
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Risk management resulting from the actions and states of the different elements making up a operating room is a major concern during a surgical procedure. Agent-based simulation shows an interest through its interaction concepts, interactivity and autonomy of different simulator entities. We want in our study to implement a generator of alerts to listen the evolution of different settings applied to the simulator of agents (human fatigue, material efficiency, infection rate ...). This article presents our model, its implementation and the first results obtained. It should be noted that this study also made it possible to identify several scientific obstacles, such as the integration of different levels of abstraction, the coupling of species, the coexistence of several scales in the same environment and the deduction of unpredictable alerts. Case-based reasoning (CBR) is a beginning of response relative to the last lock mentioned and will be discussed in this paper.
• Abstract（参考訳）: 手術室を構成する異なる要素の動作と状態から生じるリスク管理は、外科手術において大きな関心事である。 エージェントベースのシミュレーションは、異なるシミュレーターエンティティの相互作用の概念、相互作用性、自律性を通じて興味を示す。 本研究では,エージェントのシミュレータに適用されるさまざまな設定(ヒトの疲労,物質効率,感染率...)の進化を聴くために,警告生成装置を実装したい。 本稿では,本モデルとその実装とその最初の結果について述べる。 この研究は、異なるレベルの抽象化の統合、種の結合、同じ環境におけるいくつかのスケールの共存、予測不可能な警告の推論など、いくつかの科学的障害を識別することを可能にすることに注意する必要がある。 ケースベース推論(cbr)は、上記の最後のロックに対する応答の始まりであり、本論文で議論される。

関連論文リスト

• Predicting Future Actions of Reinforcement Learning Agents [27.6973598477153]
  本稿では,3種類の強化学習エージェントの今後の行動と事象予測の有効性を実験的に評価し,比較した。 エージェントの内部計算に基づいて予測を行う内部状態アプローチと、学習された世界モデルでエージェントをアンロールするシミュレーションベースのアプローチの2つのアプローチを採用する。 内部計画を使用することで、アクションを予測する場合のシミュレーションベースのアプローチと比較して、モデル品質がより堅牢であること、イベント予測の結果がより混在していることが証明される。
  論文  参考訳（メタデータ） (2024-10-29T18:48:18Z)
• Recursive Joint Simulation in Games [31.83449293345303]
  AIエージェント間のゲーム理論のダイナミクスは、従来の人間と人間の相互作用とは異なる可能性がある。 そのような違いの1つは、例えばソースコードが知られているため、AIエージェントを正確にシミュレートすることができることである。 得られた相互作用は、元のゲームの無限に繰り返されるバージョンと戦略的に等価であることを示す。
  論文  参考訳（メタデータ） (2024-02-12T23:53:46Z)
• Hypergraph-Transformer (HGT) for Interactive Event Prediction in Laparoscopic and Robotic Surgery [50.3022015601057]
  腹腔内ビデオから外科的ワークフローの重要なインタラクティブな側面を理解し,予測できる予測型ニューラルネットワークを提案する。 我々は,既存の手術用データセットとアプリケーションに対するアプローチを検証し,アクション・トリプレットの検出と予測を行った。 この結果は、非構造的な代替案と比較して、我々のアプローチの優位性を示している。
  論文  参考訳（メタデータ） (2024-02-03T00:58:05Z)
• Modelling Cellular Perturbations with the Sparse Additive Mechanism Shift Variational Autoencoder [6.352775857356592]
  摂動モデルに対する合成性, 絡み合い, 解釈性を組み合わせたスパース加算機構シフト変分自動符号化器SAMS-VAEを提案する。 SAMS-VAEは、潜伏サンプルの潜伏状態を、潜伏介入効果のサンプル特異な変動と疎大なグローバル変数を捉えた局所潜伏変数の和としてモデル化する。 2つの一般的な単一セルシークエンシングデータセットを用いて,SAMS-VAEを定性的に評価した。
  論文  参考訳（メタデータ） (2023-11-05T23:37:31Z)
• Endogenous Macrodynamics in Algorithmic Recourse [52.87956177581998]
  対実説明(CE)とアルゴリズム・リコース(AR)に関する既存の研究は、静的環境における個人に主に焦点を当ててきた。 既存の方法論の多くは、一般化されたフレームワークによってまとめて記述できることを示す。 次に、既存のフレームワークは、グループレベルでの言論の内在的ダイナミクスを研究する際にのみ明らかとなるような、隠された対外的関係のコストを考慮に入れていないと論じる。
  論文  参考訳（メタデータ） (2023-08-16T07:36:58Z)
• Automatic Generation of Individual Fuzzy Cognitive Maps from Longitudinal Data [0.0]
  ファジィ認知マップ(英: Fuzzy Cognitive Maps、FCM)は、個々の相互作用に対して、因子(ノード)がどのように変化するかを表す計算モデルである。 本稿では、遺伝的アルゴリズムを用いて各エージェントに1つのFCMを作成することにより、不均一な振る舞いを持つ仮想集団を自動生成する手段を提供する。
  論文  参考訳（メタデータ） (2022-02-14T22:11:58Z)
• Multi-modal Self-supervised Pre-training for Regulatory Genome Across Cell Types [75.65676405302105]
  我々は、GeneBERTと呼ばれる、多モードかつ自己管理的な方法でゲノムデータを事前学習するための、単純かつ効果的なアプローチを提案する。 我々はATAC-seqデータセットで1700万のゲノム配列でモデルを事前訓練する。
  論文  参考訳（メタデータ） (2021-10-11T12:48:44Z)
• Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
  マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。 具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。 階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
  論文  参考訳（メタデータ） (2021-07-31T13:36:04Z)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)
• Semi-Automating Knowledge Base Construction for Cancer Genetics [20.74608114488094]
  本稿では,全文がん遺伝子記事からキー要素を自動的に抽出するモデルを提案する。 手作業による知識ベースを用いた全文記事のトークンやスニペットの遠隔監視を行う。
  論文  参考訳（メタデータ） (2020-05-17T02:01:43Z)

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。