論文の概要: Estimation of Warfarin Dosage with Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2109.07564v1
- Date: Wed, 15 Sep 2021 20:27:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-18 06:18:16.338135
- Title: Estimation of Warfarin Dosage with Reinforcement Learning
- Title(参考訳): 強化学習によるワーファリン量の推定
- Authors: Arpita Vats
- Abstract要約: 本論文はまず,35mg/週投与量の固定モデルと,患者データに依存する線形モデルという,2つのベースラインについて検討する。
また,LinUCBのバンドイットを実装した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, it has attempted to use Reinforcement learning to model the
proper dosage of Warfarin for patients.The paper first examines two baselines:
a fixed model of 35 mg/week dosages and a linear model that relies on patient
data. We implemented a LinUCB bandit that improved performance measured on
regret and percent incorrect. On top of the LinUCB bandit, we experimented with
online supervised learning and reward reshaping to boost performance. Our
results clearly beat the baselines and show the promise of using multi-armed
bandits and artificial intelligence to aid physicians in deciding proper
dosages.
- Abstract(参考訳): 本稿では, 患者に対するWarfarinの適切な投与量をモデル化するためにReinforcement Learningを用いて試み, まず, 35mg/週投与量の固定モデルと, 患者データに依存する線形モデルについて検討した。
私たちはlinucbのバンディットを実装し、後悔と不正確なパーセンテージに基づいてパフォーマンスを改善しました。
linucb banditに加えて、オンラインの教師付き学習と報酬の再構成を実験し、パフォーマンスを高めました。
以上の結果から,医師が適切な服用量を決定するのに多武器のバンディットと人工知能を使うことが期待できる。
関連論文リスト
- Self-Supervised Pretraining Improves Performance and Inference
Efficiency in Multiple Lung Ultrasound Interpretation Tasks [65.23740556896654]
肺超音波検査における複数分類課題に適用可能なニューラルネットワーク特徴抽出器を,自己指導型プレトレーニングで作成できるかどうかを検討した。
3つの肺超音波のタスクを微調整すると、事前訓練されたモデルにより、各テストセットの受信操作曲線(AUC)における平均クロスタスク面積は、それぞれ0.032と0.061に改善された。
論文 参考訳(メタデータ) (2023-09-05T21:36:42Z) - Can Domain Adaptation Improve Accuracy and Fairness of Skin Lesion
Classification? [55.49029146917322]
各種非教師付き領域適応法(UDA)の2値・多値皮膚病変分類における適用可能性について検討した。
実験の結果,UDAは二分分類に有効であり,不均衡が緩和された場合にはさらなる改善が見られた。
本研究は,少数派に対する偏見を効果的に低減し,公平性を重視したテクニックを明示的に用いなくても公平性を促進できることを示した。
論文 参考訳(メタデータ) (2023-07-06T17:32:38Z) - Textual Data Augmentation for Patient Outcomes Prediction [67.72545656557858]
本稿では,患者の電子カルテに人工的な臨床ノートを作成するための新しいデータ拡張手法を提案する。
生成言語モデルGPT-2を微調整し、ラベル付きテキストを元のトレーニングデータで合成する。
今回,最も多い患者,すなわち30日間の寛解率について検討した。
論文 参考訳(メタデータ) (2022-11-13T01:07:23Z) - No Pairs Left Behind: Improving Metric Learning with Regularized Triplet
Objective [19.32706951298244]
サンプルマイニングやオーバーヘッドコストを伴わずにメートル法学習を改善する三重項目的関数の新たな定式化を提案する。
提案手法は,従来の3重項対象の定式化によって改善されていることを示す。
論文 参考訳(メタデータ) (2022-10-18T00:56:01Z) - BYOLMed3D: Self-Supervised Representation Learning of Medical Videos
using Gradient Accumulation Assisted 3D BYOL Framework [0.0]
教師付き学習アルゴリズムは、堅牢な表現を学習するために、大量のバランスのとれたデータを必要とする。
自己教師付き学習アルゴリズムはデータの不均衡に対して堅牢であり、堅牢な表現を学習することができる。
我々は、勾配累積法を用いて3D BYOL自己教師モデルを構築し、通常、自己教師アルゴリズムで必要とされるバッチ内の多数のサンプルを扱う。
論文 参考訳(メタデータ) (2022-07-31T14:48:06Z) - Performance or Trust? Why Not Both. Deep AUC Maximization with
Self-Supervised Learning for COVID-19 Chest X-ray Classifications [72.52228843498193]
ディープラーニングモデルのトレーニングでは、パフォーマンスと信頼の間に妥協をしなければなりません。
本研究は、新型コロナウイルス患者のコンピュータ支援スクリーニングのための自己教師型学習と新しい代理損失を統合したものである。
論文 参考訳(メタデータ) (2021-12-14T21:16:52Z) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳(メタデータ) (2021-06-25T08:32:45Z) - Learning-based Computer-aided Prescription Model for Parkinson's
Disease: A Data-driven Perspective [61.70045118068213]
我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。
そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。
新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
論文 参考訳(メタデータ) (2020-07-31T14:34:35Z)
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。