論文の概要: Efficient Detection Of Infected Individuals using Two Stage Testing
- arxiv url: http://arxiv.org/abs/2008.10741v1
- Date: Mon, 24 Aug 2020 23:05:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 12:44:03.915200
- Title: Efficient Detection Of Infected Individuals using Two Stage Testing
- Title（参考訳）: 2段階検査による感染者検出の効率化
- Authors: Arjun Kodialam
- Abstract要約: 集団検査は、集団を検査して感染した個体を検出する効果的な方法である。
複数の段階群試験アルゴリズムの効率を特徴付ける。
最適設定では、テストスキームは入力パラメータのエラーに対して堅牢である。
- 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: Group testing is an efficient method for testing a large population to detect
infected individuals. In this paper, we consider an efficient adaptive two
stage group testing scheme. Using a straightforward analysis, we characterize
the efficiency of several two stage group testing algorithms. We determine how
to pick the parameters of the tests optimally for three schemes with different
types of randomization, and show that the performance of two stage testing
depends on the type of randomization employed. Seemingly similar randomization
procedures lead to different expected number of tests to detect all infected
individuals, we determine what kinds of randomization are necessary to achieve
optimal performance. We further show that in the optimal setting, our testing
scheme is robust to errors in the input parameters.
- Abstract（参考訳）: 集団検査は、感染した個体を検出するために集団を検査する効率的な方法である。
本稿では,効率的な適応型2段階群試験法を提案する。
素直な解析を用いて、2段階のグループテストアルゴリズムの効率を特徴付ける。
ランダム化の異なる3種類のスキームに対して,テストのパラメータを最適に選択する方法を決定するとともに,2段階試験の性能が採用されるランダム化の種類に依存することを示す。
類似したランダム化の手順は、すべての感染した個人を検知するために期待されるテスト数が異なるため、最適な性能を達成するためにどのようなランダム化が必要かを決定する。
さらに、最適設定では、テストスキームは入力パラメータのエラーに対して堅牢であることを示す。
関連論文リスト
- Precise Error Rates for Computationally Efficient Testing [75.63895690909241]
本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。
線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
論文 参考訳（メタデータ） (2023-11-01T04:41:16Z) - Concomitant Group Testing [49.50984893039441]
肯定的なテストが複数種類の項目の組み合わせを必要とするという考え方を捉えたグループテストの問題のバリエーションを紹介した。
目標は、可能な限り少数のテストを使用して、半欠陥セットをすべて確実に識別することである。
我々のアルゴリズムは、(i)決定性(ゼロエラー)かランダム化(小エラー)か、(ii)非適応性(非適応性)、完全適応性(完全適応性)、あるいは限定適応性(限定適応性)かによって区別される。
論文 参考訳（メタデータ） (2023-09-08T09:11:12Z) - 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) - 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) - An Optimal Witness Function for Two-Sample Testing [13.159512679346685]
証人2サンプルテスト(WiTS)と呼ばれる1次元証人関数に基づくデータ依存テスト統計法を提案する。
特性カーネルに基づく WiTS テストは,任意の固定された代替品に対して一貫したものであることを示す。
論文 参考訳（メタデータ） (2021-02-10T17:13:21Z) - 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) - 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) - Optimization of Genomic Classifiers for Clinical Deployment: Evaluation
of Bayesian Optimization to Select Predictive Models of Acute Infection and
In-Hospital Mortality [0.0]
血液から特定の遺伝子の発現レベルを定量化することにより、患者の免疫反応を特徴づけることにより、両方のタスクを遂行する潜在的によりタイムリーで正確な手段を示す。
機械学習手法は、デプロイ対応の分類モデルの開発にこの‘ホスト応答’を活用するプラットフォームを提供する。
急性感染症の診断分類器の開発におけるHO法と29の診断マーカーの遺伝子発現による院内死亡率の比較を行った。
論文 参考訳（メタデータ） (2020-03-27T10:22:02Z)
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。