論文の概要: Survival prediction and risk estimation of Glioma patients using mRNA expressions

• arxiv url: http://arxiv.org/abs/2011.00659v1
• Date: Mon, 2 Nov 2020 00:39:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 12:58:37.288352
• Title: Survival prediction and risk estimation of Glioma patients using mRNA expressions
• Title（参考訳）: mRNA発現を用いたグリオーマ患者の生存予測とリスク評価
• Authors: Navodini Wijethilake, Dulani Meedeniya, Charith Chitraranjan, Indika Perera
• Abstract要約: グリオーマは、予後不良の中枢神経系腫瘍の致死型である。 本研究では、生存に関連する7つの遺伝子シグネチャを同定し、生存予測とリスク推定のための2つのアプローチを検討する。
• 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: Gliomas are lethal type of central nervous system tumors with a poor prognosis. Recently, with the advancements in the micro-array technologies thousands of gene expression related data of glioma patients are acquired, leading for salient analysis in many aspects. Thus, genomics are been emerged into the field of prognosis analysis. In this work, we identify survival related 7 gene signature and explore two approaches for survival prediction and risk estimation. For survival prediction, we propose a novel probabilistic programming based approach, which outperforms the existing traditional machine learning algorithms. An average 4 fold accuracy of 74% is obtained with the proposed algorithm. Further, we construct a prognostic risk model for risk estimation of glioma patients. This model reflects the survival of glioma patients, with high risk for low survival patients.
• Abstract（参考訳）: グリオーマは致死型の中枢神経系腫瘍であり予後不良である。 近年, マイクロアレイ技術の進歩に伴い, グリオーマ患者の遺伝子発現関連データが数千件取得され, 有意な解析が可能となった。 このように、ゲノム学は予後解析の分野に現れている。 本研究では,生存に関連する7つの遺伝子シグネチャを同定し,生存予測とリスク推定のための2つのアプローチを検討する。 生存予測のために,従来の機械学習アルゴリズムよりも優れた確率的プログラミングに基づく新しい手法を提案する。 提案アルゴリズムでは,平均4倍精度が74%である。 さらに,グリオーマ患者のリスク推定のための予後リスクモデルを構築した。 このモデルは、低生存率患者のリスクが高いグリオーマ患者の生存率を反映している。

関連論文リスト

• xCG: Explainable Cell Graphs for Survival Prediction in Non-Small Cell Lung Cancer [10.515405477496735]
  生存予測のための説明可能なセルグラフ(xCG)を提案する。 肺腺癌416例に対する画像量(IMC)データの公開コホートによる検討を行った。
  論文  参考訳（メタデータ） (2024-11-12T08:53:49Z)
• Predicting Breast Cancer Survival: A Survival Analysis Approach Using Log Odds and Clinical Variables [0.0]
  本研究は、乳がん患者の生存確率の予測を促進するために、Cox比例ハザードやパラメトリックサバイバルモデルなどの生存分析技術を用いている。 ナイジェリアのイバダンにあるUniversity College Hospitalが提供するデータセットから、乳がん患者1557人のデータを得た。
  論文  参考訳（メタデータ） (2024-10-17T10:01:22Z)
• A Multimodal Object-level Contrast Learning Method for Cancer Survival Risk Prediction [9.005219442274344]
  コンピュータ支援によるがん生存予測は、患者のタイムリーな治療において重要な役割を担っている。 がん生存リスク予測のための新しいトレーニング手法であるマルチモーダルオブジェクトレベルのコントラスト学習を提案する。 提案手法により訓練された生存リスク予測器は、2つの公共マルチモーダル癌データセット上で最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-09-03T07:36:34Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
  本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。 このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。 患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
  論文  参考訳（メタデータ） (2023-06-29T23:36:04Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Deep-CR MTLR: a Multi-Modal Approach for Cancer Survival Prediction with Competing Risks [0.4189643331553922]
  本稿では,癌生存予測のための新しい機械学習手法であるDeep-CR MTLRを提案する。 2552頭頸部癌患者のコホートにおける単一モダリティ予測器に対するマルチモーダルアプローチの予後改善効果を実証した。
  論文  参考訳（メタデータ） (2020-12-10T15:51:47Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)
• Low-Rank Reorganization via Proportional Hazards Non-negative Matrix Factorization Unveils Survival Associated Gene Clusters [9.773075235189525]
  この研究において、Cox比例ハザードの回帰は生存制約を課すことでNMFと統合される。 ヒト癌遺伝子の発現データを用いて、提案手法は癌遺伝子の重要なクラスターを解明することができる。 発見された遺伝子クラスターは、豊富な生物学的含意を反映し、生存に関連するバイオマーカーの同定に役立つ。
  論文  参考訳（メタデータ） (2020-08-09T17:59:30Z)

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。