論文の概要: Active pooling design in group testing based on Bayesian posterior prediction

• arxiv url: http://arxiv.org/abs/2007.13323v2
• Date: Wed, 19 Aug 2020 08:30:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 08:10:52.224329
• Title: Active pooling design in group testing based on Bayesian posterior prediction
• Title（参考訳）: ベイズ後方予測に基づくグループテストにおけるアクティブプール設計
• Authors: Ayaka Sakata
• Abstract要約: 集団で感染した患者を特定する際、集団検査は検査数を減らし、検査ミスを修正する効果的な方法である。 本稿では,ベイズ推定の枠組みとして,予測分布に基づくプールの適応設計手法を提案する。
• 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: In identifying infected patients in a population, group testing is an effective method to reduce the number of tests and correct the test errors. In the group testing procedure, tests are performed on pools of specimens collected from patients, where the number of pools is lower than that of patients. The performance of group testing heavily depends on the design of pools and algorithms that are used in inferring the infected patients from the test outcomes. In this paper, an adaptive design method of pools based on the predictive distribution is proposed in the framework of Bayesian inference. The proposed method executed using the belief propagation algorithm results in more accurate identification of the infected patients, as compared to the group testing performed on random pools determined in advance.
• Abstract（参考訳）: 集団で感染した患者を特定する際、集団検査は検査数を減らし、検査ミスを修正する効果的な方法である。 グループテストでは、患者から採取した標本のプール上でテストが行われ、プールの数は患者よりも少ない。 グループテストのパフォーマンスは、感染した患者を検査結果から推測するために使用されるプールやアルゴリズムの設計に大きく依存する。 本稿では,ベイズ推定の枠組みにおいて,予測分布に基づくプールの適応設計法を提案する。 信念伝達アルゴリズムを用いて行った提案手法は,事前に決定されたランダムプール上で行ったグループテストと比較して,感染した患者をより正確に同定する。

関連論文リスト

• Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
  本研究の目的は、希少な疾患を患っているk人の集団を同定することである。 個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
  論文  参考訳（メタデータ） (2022-06-15T16:38:50Z)
• Group Testing with Non-identical Infection Probabilities [59.96266198512243]
  そこで我々は,集合形成法を用いた適応型グループテストアルゴリズムを開発した。 提案アルゴリズムは, エントロピー下界に近い性能を示す。
  論文  参考訳（メタデータ） (2021-08-27T17:53:25Z)
• Group Testing under Superspreading Dynamics [25.849716513803013]
  グループテストは、確認された新型コロナウイルス患者のすべての密接な接触に対して推奨される。 そこで本研究では,Dorfman法と不完全性試験を併用した,よく知られた半適応型プールテスト法を構築し,動的プログラミングに基づく簡単なグループテスト法を導出する。
  論文  参考訳（メタデータ） (2021-06-30T11:27:58Z)
• Efficient and accurate group testing via Belief Propagation: an empirical study [5.706360286474043]
  グループテスト問題は効率的なプーリングスキームとアルゴリズムを要求する。 目標は感染したサンプルを正確に識別し、最小限の数の検査を行うことである。 結果の精度を大幅に向上させる新しいテスト設計を提案する。
  論文  参考訳（メタデータ） (2021-05-13T10:52:46Z)
• Group Testing with a Graph Infection Spread Model [61.48558770435175]
  感染は個人間のつながりを通じて広がり、その結果、確率的クラスター形成構造と、個人に対する非i.d.感染状態が生じる。 そこで本研究では,既知の確率的感染拡散モデルを利用する2段階のサンプルグループテストアルゴリズムを提案する。 その結果, 感染率が高い場合でも, 集団検査により必要な検査数を大幅に削減できることが示唆された。
  論文  参考訳（メタデータ） (2021-01-14T18:51:32Z)
• Selective Inference for Latent Block Models [50.83356836818667]
  本研究では,潜在ブロックモデルに対する選択的推論法を提案する。 我々は,潜在ブロックモデルの行と列クラスタのメンバシップの集合に対する統計的テストを構築した。 提案された正確で近似されたテストは、選択バイアスを考慮していない単純なテストと比較して効果的に機能する。
  論文  参考訳（メタデータ） (2020-05-27T10:44:19Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)
• Bayesian inference of infected patients in group testing with prevalence estimation [0.0]
  グループテスト(グループテスト)は、患者から採取された検体を検査することで、感染した患者を特定する方法である。 本研究は,各患者の点推定の信頼区間を考慮し,真陽性率の向上を図っている。
  論文  参考訳（メタデータ） (2020-04-28T17:11:43Z)
• Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
  病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。 本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
  論文  参考訳（メタデータ） (2020-04-26T23:41:33Z)

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。

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。