論文の概要: Deep Representation for Connected Health: Semi-supervised Learning for Analysing the Risk of Urinary Tract Infections in People with Dementia

• arxiv url: http://arxiv.org/abs/2011.13916v4
• Date: Wed, 28 Apr 2021 16:23:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 02:40:56.429909
• Title: Deep Representation for Connected Health: Semi-supervised Learning for Analysing the Risk of Urinary Tract Infections in People with Dementia
• Title（参考訳）: コネクテッドヘルスの深層表現--認知症患者における尿路感染症のリスク分析のための半教師付き学習
• Authors: Honglin Li, Magdalena Anita Kolanko, Shirin Enshaeifar, Severin Skillman, Andreas Markides, Mark Kenny, Eyal Soreq, Samaneh Kouchaki, Kirsten Jensen, Loren Cameron, Michael Crone, Paul Freemont, Helen Rostill, David J. Sharp, Ramin Nilforooshan, Payam Barnaghi
• Abstract要約: 本研究は,家庭内観測・測定データから学習可能な半教師付きモデルを提案する。 認知症における尿路感染症(UTIs)のリスクを解析するために,我々のモデルが高度に不均衡な動的データを処理し,堅牢な予測を行う方法を示す。
• 参考スコア（独自算出の注目度）: 2.66008303934728
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Machine learning techniques combined with in-home monitoring technologies provide a unique opportunity to automate diagnosis and early detection of adverse health conditions in long-term conditions such as dementia. However, accessing sufficient labelled training samples and integrating high-quality, routinely collected data from heterogeneous in-home monitoring technologies are main obstacles hindered utilising these technologies in real-world medicine. This work presents a semi-supervised model that can continuously learn from routinely collected in-home observation and measurement data. We show how our model can process highly imbalanced and dynamic data to make robust predictions in analysing the risk of Urinary Tract Infections (UTIs) in dementia. UTIs are common in older adults and constitute one of the main causes of avoidable hospital admissions in people with dementia (PwD). Health-related conditions, such as UTI, have a lower prevalence in individuals, which classifies them as sporadic cases (i.e. rare or scattered, yet important events). This limits the access to sufficient training data, without which the supervised learning models risk becoming overfitted or biased. We introduce a probabilistic semi-supervised learning framework to address these issues. The proposed method produces a risk analysis score for UTIs using routinely collected data by in-home sensing technologies.
• Abstract（参考訳）: 機械学習技術と家庭内モニタリング技術が組み合わさって、認知症などの長期的疾患の診断と早期発見を自動化するユニークな機会を提供する。 しかし、十分なラベル付きトレーニングサンプルにアクセスし、異質な家庭内モニタリング技術から日常的に収集される高品質なデータを統合することは、これらの技術を現実世界の医療に活用することを妨げる主要な障害である。 本研究は,家庭内観測測定データから連続的に学習できる半教師付きモデルを提案する。 認知症における尿路感染症(UTIs)のリスクを解析するために,我々のモデルが高度に不均衡な動的データを処理し,堅牢な予測を行う方法を示す。 高齢者ではUTIが一般的であり、認知症(PwD)の予防可能な入院の主な原因の1つである。 UTIのような健康関連疾患は、個人の頻度が低く、散発的なケース(稀に散在するが重要な出来事)に分類される。 これにより十分なトレーニングデータへのアクセスが制限され、教師あり学習モデルが過度に適合するか偏るリスクを伴わない。 これらの問題に対処するための確率的半教師付き学習フレームワークを導入する。 提案手法は, 家庭内センサ技術を用いて, 定期的に収集したデータを用いて, UTIのリスク分析スコアを生成する。

関連論文リスト

• Explainable AI for Classifying UTI Risk Groups Using a Real-World Linked EHR and Pathology Lab Dataset [0.47517735516852333]
  英国ブリストル,ノースサマセット,サウスグロスターシャーの尿路感染症(UTI)を特徴付けるために,リンクEHRデータセットを利用する。 包括的なデータ前処理とキュレーションパイプラインは、生のEHRデータをAIモデリングに適した構造化フォーマットに変換する。 臨床専門知識によりUTIリスク推定フレームワークを構築し,個別の患者タイムラインにまたがってUTIリスクを推定する。
  論文  参考訳（メタデータ） (2024-11-26T18:10:51Z)
• Artificial Intelligence for Infectious Disease Prediction and Prevention: A Comprehensive Review [1.4874449172133888]
  この論文は、AIの可能性を批判的に評価し、感染症管理の限界について概説する。 地域内の伝染病の拡散を防ぐための公衆衛生データを用いた予測、患者が感染性疾患に罹患しているかどうかを検出するための患者の医療データを用いた予測、公共医療データと患者医療データを用いて人口内で拡散している病気の程度を推定する予測の3つの分野に分類する。
  論文  参考訳（メタデータ） (2024-11-14T00:43:32Z)
• SMART: Towards Pre-trained Missing-Aware Model for Patient Health Status Prediction [15.136747790595217]
  本稿では,患者の健康状態予測のためのセルフスーパービジョン・ミス・アウェア・リプレッション・ラーニング手法を提案する。 SMARTは、欠落を認識し、高次表現の学習に集中することにより、欠落データに対するより優れた一般化と堅牢性を促進する。 本研究では,6つのEHRタスクに対する広範囲な実験を通じてSMARTの有効性を検証し,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-05-15T02:19:34Z)
• Time-aware Heterogeneous Graph Transformer with Adaptive Attention Merging for Health Event Prediction [6.578298085691462]
  本稿では,疾患領域の知識を同化し,薬物と疾患の複雑な関係を解明するための新しい異種グラフ学習モデルを提案する。 2つの医療データセットで評価したところ、予測精度と解釈可能性の両方において顕著な改善が見られた。
  論文  参考訳（メタデータ） (2024-04-23T08:01:30Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
  本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。 アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-25T16:29:16Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• An attention model to analyse the risk of agitation and urinary tract infections in people with dementia [0.3392372796177108]
  行動症状と尿路感染症(uti)は認知症患者が直面する最も一般的な問題である。 センサーデータの統合と分析に家庭内センシング技術と機械学習モデルを使用することで、臨床的に重要な出来事や健康状態の変化を検出し予測する機会が得られる。 我々は,家庭内センサデータを収集する統合プラットフォームを開発し,機械学習モデルを扇動およびUTIリスク分析に適用するための観察的研究を行った。
  論文  参考訳（メタデータ） (2021-01-18T11:15:15Z)
• 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)
• 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)

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。