Fugu-MT 論文翻訳(概要): Disease Prediction with a Maximum Entropy Method

論文の概要: Disease Prediction with a Maximum Entropy Method

arxiv url: http://arxiv.org/abs/2102.02668v1
Date: Wed, 3 Feb 2021 07:09:12 GMT
ステータス: 処理完了
システム内更新日: 2021-02-05 16:00:58.954993
Title: Disease Prediction with a Maximum Entropy Method
Title（参考訳）: 最大エントロピー法による疾患予測
Authors: Michael Shub, Qing Xu, Xiaohua (Michael) Xuan
Abstract要約: 本稿では,病気のリスクを予測するための最大エントロピー法を提案する。 ICD-10にコード化された疾患を持つ患者の医療史に基づいている。本手法は今後の疾患リスクの予測に有効であり,従来の方法の2倍の精度を達成できることを示す。
参考スコア（独自算出の注目度）: 0.7376636976924001
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a maximum entropy method for predicting disease risks. It is based on a patient's medical history with diseases coded in ICD-10 which can be used in various cases. The complete algorithm with strict mathematical derivation is given. We also present experimental results on a medical dataset, demonstrating that our method performs well in predicting future disease risks and achieves an accuracy rate twice that of the traditional method. We also perform a comorbidity analysis to reveal the intrinsic relation of diseases.
Abstract（参考訳）: 本稿では,疾患リスクを予測するための最大エントロピー法を提案する。 ICD-10にコードされた疾患を持つ患者の医療歴に基づいており、さまざまなケースで使用できます。厳密な数学的導出を伴う完全アルゴリズムが与えられる。また,本手法が将来の疾患リスク予測に有効であることを実証し,従来の手法の2倍の精度が得られることを示した。また,疾患の本質的関連性を明らかにするために,共生分析を行う。

関連論文リスト

Statistical testing on generative AI anomaly detection tools in Alzheimer's Disease diagnosis [16.73336092521471]
生成AIは、医療画像における異常検出の可能性を示している。我々は、選択的推論を用いてこの問題を解決し、アルツハイマーの予測のための信頼できる生成AI手法を開発することを提案する。
論文参考訳（メタデータ） (2024-10-17T09:15:09Z)
SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-07-24T04:47:36Z)
Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
論文参考訳（メタデータ） (2023-06-29T23:36:04Z)
Feature-context driven Federated Meta-Learning for Rare Disease Prediction [5.841823822793997]
本稿では,フェデレートされたメタラーニングに基づく,まれな疾患予測のための新しいアプローチを提案する。提案手法は,従来のフェデレーションメタ学習アルゴリズムの精度と高速化に優れることを示す。
論文参考訳（メタデータ） (2021-12-29T02:18:43Z)
Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文参考訳（メタデータ） (2021-02-08T10:26:44Z)
Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文参考訳（メタデータ） (2020-12-24T05:19:03Z)
STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文参考訳（メタデータ） (2020-12-08T21:21:47Z)
Survival prediction and risk estimation of Glioma patients using mRNA expressions [0.0]
グリオーマは、予後不良の中枢神経系腫瘍の致死型である。本研究では、生存に関連する7つの遺伝子シグネチャを同定し、生存予測とリスク推定のための2つのアプローチを検討する。
論文参考訳（メタデータ） (2020-11-02T00:39:04Z)
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)
Interpretable Disease Prediction based on Reinforcement Path Reasoning over Knowledge Graphs [15.339137501579087]
疾患予測タスクを知識グラフ(KG)に沿ってランダムウォークとして定式化した。我々は, 病因と危険因子との関係を, 検証された医療知識に基づいて記録するKGを構築した。対象物によって生成された軌跡は、所定の患者の解釈可能な疾患進行経路を表す。
論文参考訳（メタデータ） (2020-10-16T10:46:28Z)

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。