論文の概要: Online Disease Self-diagnosis with Inductive Heterogeneous Graph Convolutional Networks

• arxiv url: http://arxiv.org/abs/2009.02625v2
• Date: Sat, 13 Feb 2021 01:47:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 08:02:50.548476
• Title: Online Disease Self-diagnosis with Inductive Heterogeneous Graph Convolutional Networks
• Title（参考訳）: Inductive Heterogeneous Graph Convolutional Networks によるオンライン疾患自己診断
• Authors: Zifeng Wang and Rui Wen and Xi Chen and Shilei Cao and Shao-Lun Huang and Buyue Qian and Yefeng Zheng
• Abstract要約: EHR(Electronic Healthcare Records)に基づくオンラインユーザのための病気自己診断サービスを提供するHealGCN(Healcare Graph Convolutional Network)を提案する。 まず、EHRデータをヘテロジニアスなグラフに整理し、ユーザ、症状、疾患間の複雑な相互作用をモデル化する。 そこで我々は,EMHグラフに基づく症状検索システム(GraphRet)を用いた疾患自己診断システムを構築し,関連する代替症状を検索し,提示する。
• 参考スコア（独自算出の注目度）: 34.88155389791519
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a Healthcare Graph Convolutional Network (HealGCN) to offer disease self-diagnosis service for online users based on Electronic Healthcare Records (EHRs). Two main challenges are focused in this paper for online disease diagnosis: (1) serving cold-start users via graph convolutional networks and (2) handling scarce clinical description via a symptom retrieval system. To this end, we first organize the EHR data into a heterogeneous graph that is capable of modeling complex interactions among users, symptoms and diseases, and tailor the graph representation learning towards disease diagnosis with an inductive learning paradigm. Then, we build a disease self-diagnosis system with a corresponding EHR Graph-based Symptom Retrieval System (GraphRet) that can search and provide a list of relevant alternative symptoms by tracing the predefined meta-paths. GraphRet helps enrich the seed symptom set through the EHR graph when confronting users with scarce descriptions, hence yield better diagnosis accuracy. At last, we validate the superiority of our model on a large-scale EHR dataset.
• Abstract（参考訳）: 我々は,電子医療記録(EHR)に基づくオンラインユーザに対して,疾病自己診断サービスを提供するためのHealGCN(Healcare Graph Convolutional Network)を提案する。 オンライン疾患診断において,(1)グラフ畳み込みネットワークによるコールドスタートユーザ提供,(2)症状検索システムによる臨床記述不足の対応という2つの課題に焦点を当てた。 そこで本研究では,ehrデータを,ユーザと症状と疾患の複雑な相互作用をモデル化し,インダクティブ学習パラダイムを用いて疾患診断に向けてグラフ表現学習を調整可能な不均一グラフに整理する。 そこで我々は,EMHグラフに基づく症状検索システム(GraphRet)を用いた自己診断システムを構築した。 GraphRetは、EHRグラフを通じて設定されたシード症状を、少ない記述でユーザと対向させるのに役立つため、診断精度が向上する。 最後に、大規模eerrデータセット上で、モデルの優越性を検証する。

関連論文リスト

• GAMMA-PD: Graph-based Analysis of Multi-Modal Motor Impairment Assessments in Parkinson's Disease [9.69595196614787]
  本稿では,多モード臨床データ解析のための新しいヘテロジニアスハイパーグラフ融合フレームワークであるGAMA-PDを提案する。 GAMMA-PDは、高次情報を保存することにより、画像と非画像データを"ハイパーネットワーク"(患者集団グラフ)に統合する。 パーキンソン病における運動障害症状の予測に有意な改善が認められた。
  論文  参考訳（メタデータ） (2024-10-01T15:51:33Z)
• Classification of developmental and brain disorders via graph convolutional aggregation [6.6356049194991815]
  本稿では,グラフサンプリングにおける集約を利用したアグリゲータ正規化グラフ畳み込みネットワークを提案する。 提案モデルは,画像特徴と非画像特徴の両方をグラフノードとエッジに組み込むことで,識別グラフノード表現を学習する。 我々は、自閉症脳画像データ交換(ABIDE)とアルツハイマー病神経イメージングイニシアチブ(ADNI)という2つの大きなデータセット上の最近のベースライン手法と比較して、我々のモデルをベンチマークした。
  論文  参考訳（メタデータ） (2023-11-13T14:36:29Z)
• Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report Generation [92.73584302508907]
  コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。 詳しくは、グラフの基本構造は一般知識から事前構築される。 各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
  論文  参考訳（メタデータ） (2023-03-18T03:53:43Z)
• Context-aware Health Event Prediction via Transition Functions on Dynamic Disease Graphs [15.17817233616652]
  多くの機械学習アプローチは、患者の異なる訪問で病気の表現が静的であると仮定している。 動的疾患グラフ上の遷移関数を用いた文脈認識学習フレームワークを提案する。 2つの実世界のEHRデータセットの実験結果から、提案されたモデルは、健康事象を予測する上で、技術の現状よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-12-09T20:06:39Z)
• Heterogeneous Similarity Graph Neural Network on Electronic Health Records [74.66674469510251]
  非均質な類似度グラフニューラルネットワーク(HSGNN)を提案し、新しい異種GNNでEHRを分析します。 フレームワークは2つの部分から構成される: 1つは前処理方式で、もう1つはエンドツーエンドのGNNである。 GNNは全ての同質グラフを入力として取り、それら全てを1つのグラフに融合して予測する。
  論文  参考訳（メタデータ） (2021-01-17T23:14:29Z)
• Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue Generation [150.52617238140868]
  ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。 また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2020-12-22T13:20:23Z)
• A Weighted Heterogeneous Graph Based Dialogue System [22.959887100864634]
  本研究は, 重み付きヘテロジニアスグラフを用いた疾患診断のための対話システムを提案する。 具体的には、症状共起に基づく重み付きヘテロジニアスグラフと、症状周波数逆病頻度を提案する。 そこで本研究では,対話管理のためのグラフベースのディープQ-ネットワーク(Graph-DQN)を提案する。
  論文  参考訳（メタデータ） (2020-10-21T01:22:37Z)
• Latent-Graph Learning for Disease Prediction [44.26665239213658]
  我々は,GCNの下流における疾患分類の課題に向けて,一つの最適なグラフを学習することが可能であることを示す。 一般的に用いられているスペクトルGCNアプローチとは異なり、我々のGCNは空間的かつ誘導的であり、これまで見られなかった患者も推測できる。
  論文  参考訳（メタデータ） (2020-03-27T08:18:01Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。