論文の概要: PyHealth: A Python Library for Health Predictive Models
- arxiv url: http://arxiv.org/abs/2101.04209v1
- Date: Mon, 11 Jan 2021 22:02:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 15:12:08.786387
- Title: PyHealth: A Python Library for Health Predictive Models
- Title（参考訳）: PyHealth: ヘルス予測モデルのためのPythonライブラリ
- Authors: Yue Zhao, Zhi Qiao, Cao Xiao, Lucas Glass, Jimeng Sun
- Abstract要約: PyHealthは、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスである。
データ前処理モジュールにより、複雑なヘルスケアデータセットを機械学習フレンドリーなフォーマットに変換できます。
予測モデリングモジュールは、確立されたアンサンブルツリーとディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供します。
- 参考スコア（独自算出の注目度）: 53.848478115284195
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite the explosion of interest in healthcare AI research, the
reproducibility and benchmarking of those research works are often limited due
to the lack of standard benchmark datasets and diverse evaluation metrics. To
address this reproducibility challenge, we develop PyHealth, an open-source
Python toolbox for developing various predictive models on healthcare data.
PyHealth consists of data preprocessing module, predictive modeling module,
and evaluation module. The target users of PyHealth are both computer science
researchers and healthcare data scientists. With PyHealth, they can conduct
complex machine learning pipelines on healthcare datasets with fewer than ten
lines of code. The data preprocessing module enables the transformation of
complex healthcare datasets such as longitudinal electronic health records,
medical images, continuous signals (e.g., electrocardiogram), and clinical
notes into machine learning friendly formats. The predictive modeling module
provides more than 30 machine learning models, including established ensemble
trees and deep neural network-based approaches, via a unified but extendable
API designed for both researchers and practitioners. The evaluation module
provides various evaluation strategies (e.g., cross-validation and
train-validation-test split) and predictive model metrics.
With robustness and scalability in mind, best practices such as unit testing,
continuous integration, code coverage, and interactive examples are introduced
in the library's development. PyHealth can be installed through the Python
Package Index (PyPI) or https://github.com/yzhao062/PyHealth .
- Abstract（参考訳）: 医療AI研究への関心が急増しているにもかかわらず、それらの研究成果の再現性とベンチマークは、標準ベンチマークデータセットと多様な評価指標が欠如しているため、しばしば制限される。
この再現性の問題に対処するため、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスであるPyHealthを開発した。
PyHealthはデータ前処理モジュール、予測モデリングモジュール、評価モジュールで構成される。
PyHealthのターゲットユーザは、コンピュータサイエンス研究者と医療データサイエンティストの両方だ。
pyhealthでは、10行未満のコードで、医療データセット上で複雑な機械学習パイプラインを実行できる。
データ前処理モジュールは、縦断的な電子健康記録、医療画像、連続信号(例えば心電図)、臨床メモなどの複雑な医療データセットを機械学習フレンドリーなフォーマットに変換することができる。
予測モデリングモジュールは、研究者と実践者の両方のために設計された統一的で拡張可能なAPIを通じて、確立されたアンサンブルツリーやディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供する。
評価モジュールはさまざまな評価戦略(クロスバリデーションやトレインバリデーションテストの分割など)と予測モデルメトリクスを提供する。
堅牢性とスケーラビリティを念頭に置いて,ユニットテストや継続的インテグレーション,コードカバレッジ,インタラクティブな例といったベストプラクティスがライブラリの開発に導入されている。
PyHealthはPython Package Index (PyPI)またはhttps://github.com/yzhao062/PyHealthを通じてインストールできる。
関連論文リスト
- pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - PyPOTS: A Python Toolbox for Data Mining on Partially-Observed Time
Series [0.0]
PyPOTSは、部分的に保存された時系列のデータマイニングと分析に特化した、オープンソースのPythonライブラリである。
これは、計算、分類、クラスタリング、予測の4つのタスクに分類される多様なアルゴリズムに容易にアクセスできる。
論文 参考訳（メタデータ） (2023-05-30T07:57:05Z) - TemporAI: Facilitating Machine Learning Innovation in Time Domain Tasks
for Medicine [91.3755431537592]
TemporAIは、機械学習(ML)タスクのためのオープンソースのPythonソフトウェアライブラリである。
時系列、静的、イベントモダリティのデータをサポートし、予測、因果推論、時間対イベント分析のためのインターフェースを提供する。
論文 参考訳（メタデータ） (2023-01-28T17:57:53Z) - DeeProb-kit: a Python Library for Deep Probabilistic Modelling [0.0]
DeeProb-kitはPythonで書かれた統一ライブラリで、DPM(Deep Probabilistic Model)のコレクションで構成されている。
効率的に実装された学習技術、推論ルーチン、統計アルゴリズム、高品質な完全ドキュメントAPIを提供する。
論文 参考訳（メタデータ） (2022-12-08T17:02:16Z) - medigan: A Python Library of Pretrained Generative Models for Enriched
Data Access in Medical Imaging [3.8568465270960264]
mediganは、オープンソースのフレームワークに依存しないPythonライブラリとして実装された、事前訓練された生成モデルのワンストップショップである。
研究者や開発者は、ほんの数行のコードでトレーニングデータを作成し、拡大し、ドメインに適応することができる。
ライブラリのスケーラビリティと設計は、統合され、容易に利用できる事前訓練された生成モデルの増加によって実証される。
論文 参考訳（メタデータ） (2022-09-28T23:45:33Z) - Latte: Cross-framework Python Package for Evaluation of Latent-Based
Generative Models [65.51757376525798]
Latteは、潜伏型生成モデルを評価するためのPythonライブラリである。
LatteはPyTorchと/Kerasの両方と互換性があり、関数型APIとモジュール型APIの両方を提供する。
論文 参考訳（メタデータ） (2021-12-20T16:00:28Z) - Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。
textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。
パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
論文 参考訳（メタデータ） (2021-09-06T16:46:38Z) - pymia: A Python package for data handling and evaluation in deep
learning-based medical image analysis [0.9176056742068814]
pymiaは、医療画像解析におけるデータ処理と評価のためのオープンソースのPythonパッケージである。
このパッケージは非常に柔軟で、高速なプロトタイピングを可能にし、データハンドリングルーチンの実装の負担を軽減する。
ピミアは、セグメンテーション、再構成、回帰のための様々な研究プロジェクトでうまく使われた。
論文 参考訳（メタデータ） (2020-10-07T20:25:52Z) - Biomedical and Clinical English Model Packages in the Stanza Python NLP
Library [47.47381610312517]
本稿では,Stanza Python NLPライブラリの生物医学的および臨床的英語モデルパッケージについて紹介する。
これらのパッケージは、正確な構文解析と、生物医学および臨床テキストのための名前付きエンティティ認識機能を提供する。
我々は,我々のパッケージが構文解析と命名されたエンティティ認識性能を,最先端の結果に匹敵する,あるいは超越していることを示す広範な実験を通して示す。
論文 参考訳（メタデータ） (2020-07-29T07:27:41Z)
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。