論文の概要: Optimizing Binary Symptom Checkers via Approximate Message Passing

• arxiv url: http://arxiv.org/abs/2111.00303v1
• Date: Sat, 30 Oct 2021 18:21:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-04 03:33:14.288421
• Title: Optimizing Binary Symptom Checkers via Approximate Message Passing
• Title（参考訳）: 近似メッセージパッシングによるバイナリ症状チェッカーの最適化
• Authors: Mohamed Akrout, Faouzi Bellili, Amine Mezghani, Hayet Amdouni
• Abstract要約: 症状チェッカーは、現在進行中のパンデミック危機において、インテリジェントな電子医療アプリケーションとして広く採用されている。 それらのパフォーマンスは、リードと疾患の階層化の間の詳細な知識によって制限されている。
• 参考スコア（独自算出の注目度）: 13.55571215791874
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Symptom checkers have been widely adopted as an intelligent e-healthcare application during the ongoing pandemic crisis. Their performance have been limited by the fine-grained quality of the collected medical knowledge between symptom and diseases. While the binarization of the relationships between symptoms and diseases simplifies the data collection process, it also leads to non-convex optimization problems during the inference step. In this paper, we formulate the symptom checking problem as an underdertermined non-convex optimization problem, thereby justifying the use of the compressive sensing framework to solve it. We show that the generalized vector approximate message passing (G-VAMP) algorithm provides the best performance for binary symptom checkers.
• Abstract（参考訳）: 症状チェッカーは、進行中のパンデミック危機の間、インテリジェントな電子医療アプリケーションとして広く採用されてきた。 彼らのパフォーマンスは、症状と疾患の間の収集された医療知識のきめ細かい品質によって制限されている。 症状と疾患の関係のバイナリ化はデータ収集プロセスを単純化する一方で、推論ステップ中に非凸最適化の問題を引き起こす。 本稿では,この症状チェック問題を非凸最適化問題として定式化し,圧縮センシングフレームワークを用いてその解法を正当化する。 一般化ベクトル近似メッセージパッシング(G-VAMP)アルゴリズムが二項症状チェッカーに最適な性能を提供することを示す。

関連論文リスト

• Provably Efficient Learning in Partially Observable Contextual Bandit [4.910658441596583]
  古典的帯域幅アルゴリズムの改善に因果境界をどのように適用できるかを示す。 本研究は,実世界の応用における文脈的包括的エージェントの性能を高める可能性を秘めている。
  論文  参考訳（メタデータ） (2023-08-07T13:24:50Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• DxFormer: A Decoupled Automatic Diagnostic System Based on Decoder-Encoder Transformer with Dense Symptom Representations [26.337392652262103]
  診断指向対話システムは患者の健康状態を照会し、患者との継続的な対話を通じて疾患の予測を行う。 本稿では,診断プロセスを症状調査と疾患診断の2つの段階に分割する,分離された自動診断フレームワークDxFormerを提案する。 提案モデルは,医師の臨床経験を効果的に学習し,症状のリコールと診断精度の点で最先端の結果を得ることができる。
  論文  参考訳（メタデータ） (2022-05-08T01:52:42Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Riemannian classification of EEG signals with missing values [67.90148548467762]
  本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。 第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。 その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
  論文  参考訳（メタデータ） (2021-10-19T14:24:50Z)
• Asymptotically Optimal Information-Directed Sampling [37.816004557470556]
  有限時間で最適であり、最悪の場合に最適である有限個の動作を持つ線形包帯に対する単純かつ効率的なアルゴリズムを導入する。 この手法は、高頻度情報指向サンプリング(IDS)フレームワークに基づいており、低境界を定義する最適化問題によって与えられる情報ゲインのサロゲートである。
  論文  参考訳（メタデータ） (2020-11-11T18:01:59Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)
• Task-Based Information Compression for Multi-Agent Communication Problems with Channel Rate Constraints [28.727611928919725]
  本稿では,情報圧縮アルゴリズム(SAIC)のステートアグリゲーションを導入し,定式化TBIC問題の解法を提案する。 その結果,SAICは割引報酬の総和でほぼ最適性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-05-28T18:29:21Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)

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。