論文の概要: Sparse Longitudinal Representations of Electronic Health Record Data for
the Early Detection of Chronic Kidney Disease in Diabetic Patients
- arxiv url: http://arxiv.org/abs/2011.04802v2
- Date: Tue, 17 Nov 2020 18:33:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 00:08:20.191352
- Title: Sparse Longitudinal Representations of Electronic Health Record Data for
the Early Detection of Chronic Kidney Disease in Diabetic Patients
- Title(参考訳): 糖尿病患者における慢性腎臓病早期発見のための電子健康記録データの少ない経時的表現
- Authors: Jinghe Zhang, Kamran Kowsari, Mehdi Boukhechba, James Harrison,
Jennifer Lobo, Laura Barnes
- Abstract要約: 慢性腎疾患 (CKD) は、徐々に腎機能を失っていく疾患である。
本稿では,患者の医療記録の少ない縦長表現を学習するための新しい枠組みを提案する。
- 参考スコア(独自算出の注目度): 6.040252097102974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chronic kidney disease (CKD) is a gradual loss of renal function over time,
and it increases the risk of mortality, decreased quality of life, as well as
serious complications. The prevalence of CKD has been increasing in the last
couple of decades, which is partly due to the increased prevalence of diabetes
and hypertension. To accurately detect CKD in diabetic patients, we propose a
novel framework to learn sparse longitudinal representations of patients'
medical records. The proposed method is also compared with widely used
baselines such as Aggregated Frequency Vector and Bag-of-Pattern in Sequences
on real EHR data, and the experimental results indicate that the proposed model
achieves higher predictive performance. Additionally, the learned
representations are interpreted and visualized to bring clinical insights.
- Abstract(参考訳): 慢性腎疾患(CKD)は、徐々に腎機能の喪失であり、死亡リスクを増大させ、生命の質を低下させ、重篤な合併症を引き起こす。
CKDの流行はここ数十年で増加しており、これは糖尿病や高血圧の流行の増加によるものである。
糖尿病患者のCKDを正確に検出するために,患者の医療記録の少ない縦長表現を学習するための新しい枠組みを提案する。
提案手法は,実EHRデータに基づくシーケンスの集約周波数ベクトルやBag-of-Patternといった,広く使用されているベースラインと比較し,提案モデルが高い予測性能を実現することを示す。
さらに、学習された表現を解釈して視覚化し、臨床的な洞察をもたらす。
関連論文リスト
- Conditional Score-Based Diffusion Model for Cortical Thickness
Trajectory Prediction [29.415616701032604]
アルツハイマー病(英: Alzheimer's Disease、AD)は、個人間での進行率の多様性を特徴とする神経変性疾患である。
与えられたベースライン情報を用いてCThトラジェクトリを生成する条件付きスコアベース拡散モデルを提案する。
本モデルでは6~36ヶ月のCThに比べて95%間隔が狭いほぼゼロバイアスを有する。
論文 参考訳(メタデータ) (2024-03-11T17:26:18Z) - 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) - An Explainable Classification Model for Chronic Kidney Disease Patients [0.0]
慢性腎臓病(CKD)は、世界的に増加し、医療システムに高いコストがかかる。
データマイニングによるCKD指標の微妙なパターンの発見は、早期診断に寄与する。
本研究は、CKD患者の早期診断において、医療専門家を支援する分類器モデルを開発する。
論文 参考訳(メタデータ) (2021-05-21T14:09:43Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳(メタデータ) (2021-03-19T14:13:56Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2020-09-25T01:50:15Z) - COVID-19 in CXR: from Detection and Severity Scoring to Patient Disease
Monitoring [3.9373541926236766]
胸部X線画像における肺炎の同時検出とセグメンテーションのための深層学習モデルを開発した。
このセグメンテーションを用いて、病気の重症度を示す「肺炎比」を計算した。
重症度の測定は、入院した患者の時間とともに、病気の範囲のプロファイルを構築することができる。
論文 参考訳(メタデータ) (2020-08-04T13:50:35Z) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳(メタデータ) (2020-07-16T17:43:13Z) - Deep Recurrent Model for Individualized Prediction of Alzheimer's
Disease Progression [4.034948808542701]
アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。
本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
論文 参考訳(メタデータ) (2020-05-06T08:08:00Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2020-02-06T16:39:44Z) - 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。