Fugu-MT 論文翻訳(概要): Transfer learning to enhance amenorrhea status prediction in cancer and fertility data with missing values

論文の概要: Transfer learning to enhance amenorrhea status prediction in cancer and fertility data with missing values

arxiv url: http://arxiv.org/abs/2012.01974v1
Date: Tue, 1 Dec 2020 06:44:05 GMT
ステータス: 処理完了
システム内更新日: 2021-06-01 05:34:04.478441
Title: Transfer learning to enhance amenorrhea status prediction in cancer and fertility data with missing values
Title（参考訳）: 癌および出生率データにおける無月経状態予測のための移行学習
Authors: Xuetong Wu, Hadi Akbarzadeh Khorshidi, Uwe Aickelin, Zobaida Edib, Michelle Peate
Abstract要約: 欠落の値は、健康や医療のデータセットでは避けられない。しかし、機械学習アルゴリズムは多くの現実世界の医療問題で大きな成功を収めている。これらのテクニックは、その問題を解決する方法かもしれない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Collecting sufficient labelled training data for health and medical problems is difficult (Antropova, et al., 2018). Also, missing values are unavoidable in health and medical datasets and tackling the problem arising from the inadequate instances and missingness is not straightforward (Snell, et al. 2017, Sterne, et al. 2009). However, machine learning algorithms have achieved significant success in many real-world healthcare problems, such as regression and classification and these techniques could possibly be a way to resolve the issues.
Abstract（参考訳）: 健康・医療問題に対する十分なラベル付きトレーニングデータ収集は困難である(Antropova, et al., 2018)。また、健康や医療のデータセットでは値の欠如は避けられず、不適切なインスタンスから生じる問題に取り組むことは簡単ではない(snell, et al)。 2017年、sterne, et al。 2009). しかし、機械学習アルゴリズムは、回帰や分類など、現実世界の多くの医療問題で大きな成功を収めており、これらのテクニックは、この問題を解決する方法になり得る。

関連論文リスト

Amplifying Pathological Detection in EEG Signaling Pathways through Cross-Dataset Transfer Learning [10.212217551908525]
実世界の病理分類課題におけるデータとモデルスケーリングとデータセット間の知識伝達の有効性について検討する。ネガティブトランスファーの可能性の課題を特定し、いくつかの重要なコンポーネントの重要性を強調する。以上の結果から,小規模で汎用的なモデル(ShallowNetなど)は単一データセット上では良好に動作するが,大規模なモデル(TCNなど)では,大規模かつ多様なデータセットからの転送や学習がより優れていることが示唆された。
論文参考訳（メタデータ） (2023-09-19T20:09:15Z)
Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-06-02T01:46:31Z)
Leveraging Unlabelled Data in Multiple-Instance Learning Problems for Improved Detection of Parkinsonian Tremor in Free-Living Conditions [80.88681952022479]
本稿では,半教師付き学習とマルチスタンス学習を組み合わせた新しい手法を提案する。本研究は,454被験者の非競合データを活用することにより,物体ごとの震動検出において大きな性能向上が達成できることを示す。
論文参考訳（メタデータ） (2023-04-29T12:25:10Z)
Missing Values and Imputation in Healthcare Data: Can Interpretable Machine Learning Help? [31.331173083093987]
我々は、近年の解釈可能な機械学習の進歩が、欠落した価値問題を理解し、対処するための新たな視点を提供することを示す。高精度ガラス箱説明型ブースティングマシン(EBMs)に基づく手法を提案する。実世界の医療データセットの実験では,提案手法の有効性が示されている。
論文参考訳（メタデータ） (2023-04-23T20:54:47Z)
Knowledge-Guided Data-Centric AI in Healthcare: Progress, Shortcomings, and Future Directions [7.673853485227739]
ディープラーニングは、特定の概念や意味の幅広い例を学ぶことができる。医学において、特定の疾患に関する多様なトレーニングデータを持つことは、疾患を正確に予測できるモデルの開発につながる可能性がある。潜在的な利点にもかかわらず、高品質な注釈付きデータが欠如しているため、画像ベースの診断には大きな進歩はなかった。この記事では、データ表現の質を改善するためにデータ中心のアプローチを使うことの重要性を強調します。
論文参考訳（メタデータ） (2022-12-27T19:35:14Z)
Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
論文参考訳（メタデータ） (2022-07-21T09:35:38Z)
LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
論文参考訳（メタデータ） (2022-04-12T12:25:05Z)
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)
Imputation techniques on missing values in breast cancer treatment and fertility data [0.0]
本研究は, 機械学習に基づく計算手法のシリーズについて検討し, 良質な乳癌(BC)データセットを作成するための効率的なアプローチを提案する。
論文参考訳（メタデータ） (2020-11-16T06:28:26Z)
Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
論文参考訳（メタデータ） (2020-07-21T14:37:00Z)
The Future of Digital Health with Federated Learning [15.45906320465105]
データ駆動機械学習は、医療データから正確で堅牢な統計モデルを構築するための有望なアプローチとして登場した。既存の医療データは、主にデータサイロに置かれており、プライバシの懸念によってデータへのアクセスが制限されているため、MLによって完全に利用されていない。本稿では、フェデレートラーニングがデジタルヘルスの未来にどのように解決策をもたらすかを考察し、対処すべき課題と考察を強調する。
論文参考訳（メタデータ） (2020-03-18T09:40:56Z)

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。