Fugu-MT 論文翻訳(概要): Scalable Causal Structure Learning: New Opportunities in Biomedicine

論文の概要: Scalable Causal Structure Learning: New Opportunities in Biomedicine

arxiv url: http://arxiv.org/abs/2110.07785v1
Date: Fri, 15 Oct 2021 00:45:25 GMT
ステータス: 処理完了
システム内更新日: 2021-10-19 04:50:59.298024
Title: Scalable Causal Structure Learning: New Opportunities in Biomedicine
Title（参考訳）: スケーラブルな因果構造学習 : バイオメディシンの新しい機会
Authors: Pulakesh Upadhyaya, Kai Zhang, Can Li, Xiaoqian Jiang, Yejin Kim
Abstract要約: 我々は、因果構造発見のための従来のスコアベース、機械学習に基づく卓越したスキームをレビューし、いくつかのベンチマークデータセット上でのパフォーマンスについて研究し、バイオメディシンへのいくつかの応用について論じる。十分なデータの場合、機械学習ベースのアプローチはスケーラブルであり、従来のアプローチよりも多くの変数を含めることができる。
参考スコア（独自算出の注目度）: 13.644407210028927
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper gives a practical tutorial on popular causal structure learning models with examples of real-world data to help healthcare audiences understand and apply them. We review prominent traditional, score-based and machine-learning based schemes for causal structure discovery, study some of their performance over some benchmark datasets, and discuss some of the applications to biomedicine. In the case of sufficient data, machine learning-based approaches can be scalable, can include a greater number of variables than traditional approaches, and can potentially be applied in many biomedical applications.
Abstract（参考訳）: 本稿では,医療関係者の理解と適用を支援する実世界のデータを用いて,一般的な因果構造学習モデルに関する実践的チュートリアルを提供する。我々は,因果構造発見のための従来型,スコア型,機械学習に基づくスキームを概説し,それらの性能をいくつかのベンチマークデータセットで検討し,バイオメディシンへの応用について論じる。十分なデータの場合、機械学習ベースのアプローチはスケーラブルであり、従来のアプローチよりも多くの変数を含むことができ、多くの生体医学アプリケーションに適用できる可能性がある。

関連論文リスト

Perspectives: Comparison of Deep Learning Segmentation Models on Biophysical and Biomedical Data [0.0]
畳み込みニューラルネットワーク、U-Net、ビジョントランスフォーマー、ビジョン状態空間モデルを比較した。そこで我々は,各モデルが排他的である最適条件を決定するための基準を確立する。
論文参考訳（メタデータ） (2024-08-14T19:49:19Z)
Simplicity within biological complexity [0.0]
文献を調査し、マルチスケール分子ネットワークデータの埋め込みのための包括的フレームワークの開発について論じる。ネットワーク埋め込み手法はノードを低次元空間の点にマッピングすることにより、学習空間の近接性はネットワークのトポロジ-関数関係を反映する。本稿では,モデルから効率的かつスケーラブルなソフトウェア実装に至るまで,マルチオミックネットワークデータのための汎用的な包括的埋め込みフレームワークを開発することを提案する。
論文参考訳（メタデータ） (2024-05-15T13:32:45Z)
UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
論文参考訳（メタデータ） (2024-02-20T11:50:27Z)
Diversifying Knowledge Enhancement of Biomedical Language Models using Adapter Modules and Knowledge Graphs [54.223394825528665]
我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
論文参考訳（メタデータ） (2023-12-21T14:26:57Z)
Introduction to Machine Learning for Physicians: A Survival Guide for Data Deluge [9.152759278163954]
現代の研究分野は、大規模な、しばしば構造化されていない、不安定なデータセットの収集と分析にますます依存している。このデータルージュを活用できる機械学習や人工知能アプリケーションへの関心が高まっている。この幅広い非技術的概要は、医学的および生物学的応用に特に焦点をあてた、機械学習への穏やかな紹介を提供する。
論文参考訳（メタデータ） (2022-12-23T13:08:59Z)
Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。 REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。 REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文参考訳（メタデータ） (2022-05-02T21:42:45Z)
Network Module Detection from Multi-Modal Node Features with a Greedy Decision Forest for Actionable Explainable AI [0.0]
本研究では,Greedy Decision Forest を用いたマルチモーダルノード特徴に基づくサブネットワーク検出について述べる。私たちのガラスボックスアプローチは、がんなどの疾患をよりよく理解するために、マルチオミクスデータから病気を引き起こすネットワークモジュールを明らかにするのに役立ちます。
論文参考訳（メタデータ） (2021-08-26T09:42:44Z)
An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
論文参考訳（メタデータ） (2021-08-09T17:39:09Z)
Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。ディープラーニングは、独自の機械学習のサブフィールドになっている。生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文参考訳（メタデータ） (2021-05-29T21:02:44Z)
A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文参考訳（メタデータ） (2021-02-26T17:49:58Z)
Machine learning-based clinical prediction modeling -- A practical guide for clinicians [0.0]
機械学習や人工知能に関連する原稿の数は、ここ数年で指数関数的に増えている。第1節では、機械学習の一般的な原理について解説する。さらに,再サンプリング,オーバーフィッティング,モデル一般化性の重要性とモデル評価戦略を概観する。
論文参考訳（メタデータ） (2020-06-23T20:11:37Z)

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。