論文の概要: Medical idioms for clinical Bayesian network development
- arxiv url: http://arxiv.org/abs/2007.00364v2
- Date: Thu, 2 Jul 2020 08:03:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 23:12:06.672386
- Title: Medical idioms for clinical Bayesian network development
- Title（参考訳）: 臨床ベイズネットワーク開発のための医用イディオム
- Authors: Evangelia Kyrimi, Mariana Raniere Neves, Scott McLachlan, Martin Neil,
William Marsh, Norman Fenton
- Abstract要約: 本稿では, 医療用BNの開発を支援するために, 広く応用され, 再利用可能な医療推論パターンを提案する。
提案する医学的推論パターンを医学的イディオムと呼ぶ。
冠状動脈疾患の医学的例を用いて, 提案したすべての医学的イディオムを概説した。
- 参考スコア（独自算出の注目度）: 0.11744028458220425
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bayesian Networks (BNs) are graphical probabilistic models that have proven
popular in medical applications. While numerous medical BNs have been
published, most are presented fait accompli without explanation of how the
network structure was developed or justification of why it represents the
correct structure for the given medical application. This means that the
process of building medical BNs from experts is typically ad hoc and offers
little opportunity for methodological improvement. This paper proposes
generally applicable and reusable medical reasoning patterns to aid those
developing medical BNs. The proposed method complements and extends the
idiom-based approach introduced by Neil, Fenton, and Nielsen in 2000. We
propose instances of their generic idioms that are specific to medical BNs. We
refer to the proposed medical reasoning patterns as medical idioms. In
addition, we extend the use of idioms to represent interventional and
counterfactual reasoning. We believe that the proposed medical idioms are
logical reasoning patterns that can be combined, reused and applied generically
to help develop medical BNs. All proposed medical idioms have been illustrated
using medical examples on coronary artery disease. The method has also been
applied to other ongoing BNs being developed with medical experts. Finally, we
show that applying the proposed medical idioms to published BN models results
in models with a clearer structure.
- Abstract（参考訳）: ベイズネットワーク(英: Bayesian Networks, BN)は、医学的応用で広く利用されているグラフィカル確率モデルである。
多くの医療用bnsが出版されているが、ネットワーク構造がどのように開発されたかの説明や、それが与えられた医療用途の正しい構造を表す理由の正当化なしでfait accompliが提示されている。
これは、専門家から医療BNを構築するプロセスは、一般的にアドホックであり、方法論的改善の機会はほとんどないことを意味する。
本稿では,医療BNの発達を支援するために,広く応用され,再利用可能な医療推論パターンを提案する。
提案手法は2000年にNeil, Fenton, Nielsenによって導入されたイディオムに基づくアプローチを補完し拡張する。
医学的なBNに特有な一般的なイディオムの例を提案する。
提案する医学的推論パターンを医学的イディオムと呼ぶ。
さらに,介入的および反事実的推論を表現するため,イディオムの使用を拡大する。
提案する医用イディオムは論理的推論パターンであり,医療用BNの開発に有効であると考えられる。
冠状動脈疾患の医学的例を用いて, 提案したすべての医学的イディオムを概説した。
この方法は、医療専門家と共に開発中の他のBNにも適用されている。
最後に,提案した医療用イディオムをBNモデルに適用すると,より明確な構造を持つモデルが得られることを示す。
関連論文リスト
- Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - This Patient Looks Like That Patient: Prototypical Networks for
Interpretable Diagnosis Prediction from Clinical Text [56.32427751440426]
臨床実践においては、そのようなモデルは正確であるだけでなく、医師に解釈可能で有益な結果を与える必要がある。
本稿では,プロトタイプネットワークに基づく新しい手法であるProtoPatientを紹介する。
利用可能な2つの臨床データセット上でモデルを評価し、既存のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-10-16T10:12:07Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - Rethinking Bayesian Deep Learning Methods for Semi-Supervised Volumetric
Medical Image Segmentation [83.47693725782457]
医用画像セグメンテーションのための新しい生成ベイズディープラーニング(GBDL)アーキテクチャを提案する。
GBDLは,入力医療ボリュームと対応するラベルの同時分布を推定することを目的とした生成モデルに属する。
我々のGBDLは、3つの公開医療データセットで一般的に使用される4つの評価指標において、従来の最先端手法よりも優れています。
論文 参考訳（メタデータ） (2022-06-18T23:07:04Z) - Conditional Generation Net for Medication Recommendation [73.09366442098339]
医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。
医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。
提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2022-02-14T10:16:41Z) - Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。
医療対話生成のためのエンドツーエンドの変分推論手法を提案する。
行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文 参考訳（メタデータ） (2021-05-13T04:14:35Z) - Towards User Friendly Medication Mapping Using Entity-Boosted Two-Tower
Neural Network [12.982185912745564]
薬名推論は、ユーザフレンドリーな医薬品名をフリーフォームテキストから正規化された医薬品リストのコンセプトにマッピングするタスクである。
これは、医療専門家による医療用語の使用の違いと、一般市民からのユーザー会話の相違が原因である。
我々は,医学的推論モデル (MIM) を,最先端の結果を達成するために提案する。
論文 参考訳（メタデータ） (2020-06-17T18:56:44Z) - Explainable Deep CNNs for MRI-Based Diagnosis of Alzheimer's Disease [3.3948742816399693]
脳磁気共鳴画像(MRI)を用いたアルツハイマー病(AD)の半自動診断モデルとして,Deep Convolutional Neural Networks(CNN)が注目されている。
脳スキャンタスクに特化して設計された別の説明法を提案する。
スワップテスト(Swap Test)と呼ばれる本手法は,ADを最も表す脳の領域を表わしたヒートマップを作成し,臨床医に理解可能な形式でモデル決定の解釈可能性を提供する。
論文 参考訳（メタデータ） (2020-04-25T18:14:49Z) - A Comprehensive Scoping Review of Bayesian Networks in Healthcare: Past,
Present and Future [0.2348805691644085]
医療におけるBNのユニークな新しいスコーピングレビューは、ドメインとその状態を包括的に特徴付ける分析フレームワークを提供する。
レビューでは,(1)医療におけるBNは,その潜在能力を十分に発揮できていないこと,(2)総合的なBN開発プロセスが欠如していること,(3)医療におけるBNが文献で提示される方法に限界があること,(4)正確なBNと臨床実践に影響を与える有用なBNとの間にギャップが存在すること,などが示されている。
論文 参考訳（メタデータ） (2020-02-20T09:04:38Z) - Bayesian Networks in Healthcare: Distribution by Medical Condition [0.2519906683279152]
本研究は、医療関連BNモデルが提案されている医療状況の範囲を特定し、定量化することを目的とする。
医療BNの約3分の2は、心臓、がん、心理学、肺疾患の4つの状態に焦点を当てている。
論文 参考訳（メタデータ） (2020-02-01T14:41:20Z)
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。