Fugu-MT 論文翻訳(概要): Patient similarity: methods and applications

論文の概要: Patient similarity: methods and applications

arxiv url: http://arxiv.org/abs/2012.01976v1
Date: Tue, 1 Dec 2020 06:50:15 GMT
ステータス: 処理完了
システム内更新日: 2021-06-01 05:14:37.877343
Title: Patient similarity: methods and applications
Title（参考訳）: 患者類似性:方法と応用
Authors: Leyu Dai, He Zhu, Dianbo Liu
Abstract要約: 患者類似性分析は医療応用において重要である。電子カルテや遺伝データなどの患者情報を入力として取り、患者間のペアの類似性を計算する。本稿では,各ステップで使用される代表的手法を概説し,特に精密医療における患者類似性ネットワークの適用について論じる。
参考スコア（独自算出の注目度）: 2.9864637081333085
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Patient similarity analysis is important in health care applications. It takes patient information such as their electronic medical records and genetic data as input and computes the pairwise similarity between patients. Procedures of typical a patient similarity study can be divided into several steps including data integration, similarity measurement, and neighborhood identification. And according to an analysis of patient similarity, doctors can easily find the most suitable treatments. There are many methods to analyze the similarity such as cluster analysis. And during machine learning become more and more popular, Using neural networks such as CNN is a new hot topic. This review summarizes representative methods used in each step and discusses applications of patient similarity networks especially in the context of precision medicine.
Abstract（参考訳）: 患者類似性分析は医療応用において重要である。電子カルテや遺伝データなどの患者情報を入力として取り、患者間のペアの類似性を計算する。典型的な患者類似性研究の手順は、データ統合、類似度測定、近隣同定など、いくつかの段階に分けられる。患者の類似性の分析によれば、医師は最も適切な治療法を簡単に見つけることができる。クラスター分析のような類似性を分析する方法は数多く存在する。機械学習が普及するにつれて、cnnのようなニューラルネットワークの利用がホットな話題になっている。本稿では各ステップで使用される代表的手法を概説し,特に精密医療における患者類似性ネットワークの適用について論じる。

関連論文リスト

Contrastive Self-Supervised Learning Based Approach for Patient Similarity: A Case Study on Atrial Fibrillation Detection from PPG Signal [2.528656359262761]
生理的信号を用いた患者類似性探索のための新しいコントラスト学習に基づくディープラーニングフレームワークを提案する。我々は、類似した生理学的信号データを持つ患者の類似した埋め込みを学習するために、対照的な学習に基づくアプローチを用いる。
論文参考訳（メタデータ） (2023-07-22T05:37:22Z)
Identification, explanation and clinical evaluation of hospital patient subtypes [50.591267188664666]
本研究は、2017年から2021年にかけて、英国にある大病院で入院した入院患者のサブタイプを特定するために、教師なしの機械学習技術を用いたパイプラインを提案する。最先端の説明可能性技術を用いることで、特定されたサブタイプを解釈し、臨床的な意味を付与する。同時に、臨床医は臨床知識の文脈において、特定された患者サブタイプのクラスタ内類似度とクラスタ間差異を評価した。
論文参考訳（メタデータ） (2023-01-19T11:42:09Z)
Heterogeneous electronic medical record representation for similarity computing [3.039568795810294]
患者類似度評価は、特定の患者に類似している患者を識別するための二次タスクの1つです。本稿では,EMR(Electronic Medical Records)の新しいデータ表現手法について検討する。本研究では,非構造化データと構造化データを用いて,症状,症状,疾患を含むさまざまな医療イベントの同時発生を捉える手法を提案する。
論文参考訳（メタデータ） (2021-04-29T09:38:14Z)
Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。逆生成したサンプルはドメイン適応時に使用される。その結果,本手法の有効性とタスクの一般性が確認された。
論文参考訳（メタデータ） (2021-01-13T03:20:20Z)
Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
論文参考訳（メタデータ） (2020-09-28T18:30:14Z)
Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文参考訳（メタデータ） (2020-07-07T21:04:55Z)
COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
論文参考訳（メタデータ） (2020-06-15T21:01:33Z)
Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文参考訳（メタデータ） (2020-05-15T06:57:54Z)
Patient Similarity Analysis with Longitudinal Health Data [0.5249805590164901]
電子健康記録には、医療訪問、検査、手順、および結果に関する時間分解情報が含まれている。これらの旅の類似性を評価することで、共通の病気の軌跡を共通の健康結果とともに発見することができる。特定のクラスタへの患者旅行の割り当ては、パーソナライズされた結果予測と治療選択の基礎となる可能性がある。
論文参考訳（メタデータ） (2020-05-14T07:06:02Z)
A Visual Analytics System for Multi-model Comparison on Clinical Data Predictions [21.86694022749115]
我々は,複数のモデルの予測基準を比較し,その一貫性を評価する視覚分析システムを開発した。我々は,臨床医や研究者が異なる機械学習手法を比較し,定量的に評価する上で,本システムの有効性を実証する。
論文参考訳（メタデータ） (2020-02-18T20:33:04Z)
Comparative Visual Analytics for Assessing Medical Records with Sequence Embedding [17.752580010414228]
患者記録の比較研究を支援する視覚分析システムを開発した。カリフォルニア大学デイビス校の新生児集中治療ユニットから得られた実世界のデータセットを用いたケーススタディにより, 設計とシステムの有効性を実証した。
論文参考訳（メタデータ） (2020-02-18T19:29:30Z)

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。