Fugu-MT 論文翻訳(概要): On mistakes we made in prior Computational Psychiatry Data driven approach projects and how they jeopardize translation of those findings in clinical practice

論文の概要: On mistakes we made in prior Computational Psychiatry Data driven approach projects and how they jeopardize translation of those findings in clinical practice

arxiv url: http://arxiv.org/abs/2006.06418v1
Date: Thu, 11 Jun 2020 13:30:24 GMT
ステータス: 処理完了
システム内更新日: 2022-11-22 10:02:05.555271
Title: On mistakes we made in prior Computational Psychiatry Data driven approach projects and how they jeopardize translation of those findings in clinical practice
Title（参考訳）: 先行計算精神医学データ駆動アプローチプロジェクトでの誤りと臨床実践におけるこれらの発見の翻訳の難解化について
Authors: Milena \v{C}uki\'c Radenkovi\'c, David Pokrajac, Victoria Lopez
Abstract要約: 抑うつ検出タスクにおける7つの機械学習モデルの性能を比較し、特徴の選択が不可欠であることを示す。最後に、この有用な分類ソリューションを、高い精度で、より優れた受け入れで、臨床実践に翻訳できるように、最適なプラクティスを要約する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: After performing comparison of the performance of seven different machine learning models on detection depression tasks to show that the choice of features is essential, we compare our methods and results with the published work of other researchers. In the end we summarize optimal practices in order that this useful classification solution can be translated to clinical practice with high accuracy and better acceptance.
Abstract（参考訳）: 機能選択が不可欠であることを示すために,7種類の機械学習モデルの性能比較を行った後,本手法と結果と,他の研究者の論文との比較を行った。最後に、この有用な分類ソリューションを高い精度とより良い受容度で臨床実践に翻訳できるように、最適な実践を要約する。

関連論文リスト

Toward a Well-Calibrated Discrimination via Survival Outcome-Aware Contrastive Learning [6.963971634605796]
そこで本研究では,犠牲な校正を伴わずに識別のテキスト化を向上するための,新しいコントラスト学習手法を提案する。提案手法は,類似した生存結果を持つサンプルに対して,低い罰則を付与する,対照的な学習枠組み内で重み付きサンプリングを用いる。複数の実世界の臨床データセットに対する実験により,本手法は判別と校正の両面で最先端の深層生存モデルより優れていることが示された。
論文参考訳（メタデータ） (2024-10-15T07:12:57Z)
Adaptive Instrument Design for Indirect Experiments [48.815194906471405]
RCTとは異なり、間接的な実験は条件付き機器変数を利用して治療効果を推定する。本稿では,データ収集ポリシーを適応的に設計することで,間接実験におけるサンプル効率の向上に向けた最初のステップについて述べる。我々の主な貢献は、影響関数を利用して最適なデータ収集ポリシーを探索する実用的な計算手順である。
論文参考訳（メタデータ） (2023-12-05T02:38:04Z)
Best-Effort Adaptation [62.00856290846247]
本稿では, 試料再重み付け法に関する新しい理論的解析を行い, 試料再重み付け法を一様に保持する境界について述べる。これらの境界が、我々が詳細に議論する学習アルゴリズムの設計を導く方法を示す。本稿では,本アルゴリズムの有効性を実証する一連の実験結果について報告する。
論文参考訳（メタデータ） (2023-05-10T00:09:07Z)
Improving Object Detection in Medical Image Analysis through Multiple Expert Annotators: An Empirical Investigation [0.3670422696827525]
本研究は, 医用画像解析における異常検出における機械学習アルゴリズムの利用について論じる。さまざまなレベルの専門知識を持つ複数のアノテーションからアノテーションを集約する,シンプルで効果的なアプローチを導入する。次に、複数のアノテーションから隠れラベルを推定し、再重み付き損失関数を用いて検出性能を向上させることにより、異常検出タスクにおける予測モデルの効率を向上させることを目的とする。
論文参考訳（メタデータ） (2023-03-29T07:34:20Z)
In Search of Insights, Not Magic Bullets: Towards Demystification of the Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
論文参考訳（メタデータ） (2023-02-06T16:55:37Z)
How should I compute my candidates? A taxonomy and classification of diagnosis computation algorithms [4.8951183832371]
本研究は,標準化された評価,分類,比較を可能にする診断計算のための分類法を提案する。 i)研究者や実践者が利用可能な診断技術の多様な風景を印象づけること、(ii)アプローチの長所と短所だけでなく、主要な特徴を検索できるようにすること、(iii)その特徴に基づいたテクニックの容易かつ明確な比較を可能にすること、(iv)特定の問題に適用するための「正しい」アルゴリズムの選択を促進することである。
論文参考訳（メタデータ） (2022-07-26T00:17:45Z)
Efficient Real-world Testing of Causal Decision Making via Bayesian Experimental Design for Contextual Optimisation [12.37745209793872]
文脈的意思決定の評価と改善のためのデータ収集のためのモデルに依存しないフレームワークを提案する。過去の治療課題の後悔をデータ効率で評価するために,本手法を用いた。
論文参考訳（メタデータ） (2022-07-12T01:20:11Z)
Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文参考訳（メタデータ） (2022-06-16T17:59:05Z)
Ensemble Method for Estimating Individualized Treatment Effects [15.775032675243995]
本稿では,多様なモデルライブラリから推定値を集約するアルゴリズムを提案する。 43のベンチマークデータセット上でのアンサンブルとモデル選択を比較して、ほぼ毎回、アンサンブルが勝つことを確認します。
論文参考訳（メタデータ） (2022-02-25T00:44:37Z)
Benchmarking Automated Clinical Language Simplification: Dataset, Algorithm, and Evaluation [48.87254340298189]
我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
論文参考訳（メタデータ） (2020-12-04T06:09:02Z)
Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文参考訳（メタデータ） (2020-01-21T10:16:33Z)

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。