論文の概要: Post-discovery Analysis of Anomalous Subsets
- arxiv url: http://arxiv.org/abs/2111.14622v1
- Date: Tue, 23 Nov 2021 20:30:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-06 01:00:27.241280
- Title: Post-discovery Analysis of Anomalous Subsets
- Title（参考訳）: 異常部分集合の発見後解析
- Authors: Isaiah Onando Mulang', William Ogallo, Girmaw Abebe Tadesse, Aisha
Walcott-Bryant
- Abstract要約: 本稿では,差分出力の解析(発見ではなく)を提案し,反実数設定と同様な異常を定量化する。
提案手法を提示し,2019 MarketScan Commercial Claims および Medicare データによる評価結果から,さらなる洞察が得られたことを示す。
- 参考スコア（独自算出の注目度）: 6.118940071203314
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Analyzing the behaviour of a population in response to disease and
interventions is critical to unearth variability in healthcare as well as
understand sub-populations that require specialized attention, but also to
assist in designing future interventions. Two aspects become very essential in
such analysis namely: i) Discovery of differentiating patterns exhibited by
sub-populations, and ii) Characterization of the identified subpopulations. For
the discovery phase, an array of approaches in the anomalous pattern detection
literature have been employed to reveal differentiating patterns, especially to
identify anomalous subgroups. However, these techniques are limited to
describing the anomalous subgroups and offer little in form of insightful
characterization, thereby limiting interpretability and understanding of these
data-driven techniques in clinical practices. In this work, we propose an
analysis of differentiated output (rather than discovery) and quantify
anomalousness similarly to the counter-factual setting. To this end we design
an approach to perform post-discovery analysis of anomalous subsets, in which
we initially identify the most important features on the anomalousness of the
subsets, then by perturbation, the approach seeks to identify the least number
of changes necessary to lose anomalousness. Our approach is presented and the
evaluation results on the 2019 MarketScan Commercial Claims and Medicare data,
show that extra insights can be obtained by extrapolated examination of the
identified subgroups.
- Abstract（参考訳）: 病気や介入に対する集団の行動の分析は、医療における多様性の解明だけでなく、特別な注意を必要とするサブ人口の理解にも不可欠である。
このような分析には2つの側面が不可欠である。
一 サブ集団によって示される分化パターンの発見及び
二 特定された亜集団の特性
発見段階では,異常なパターン検出文献における一連のアプローチが,特に異常な部分群を特定するために,分化パターンを明らかにするために用いられてきた。
しかし、これらのテクニックは異常なサブグループの記述に限られており、洞察に富んだ特徴の形ではほとんど提供されないため、臨床実践におけるこれらのデータ駆動手法の解釈可能性や理解が制限される。
本研究では,差分出力の解析(発見ではなく)を提案し,反実数設定と同様な異常を定量化する。
この目的のために, 異常部分集合の発見後解析を行う手法を設計し, 最初は異常部分集合の異常に関する最も重要な特徴を同定し, 摂動により異常部分集合の喪失に必要な最小限の変更点を特定する。
提案手法を提示し,2019 MarketScan Commercial Claims および Medicare データによる評価結果から,特定サブグループの外挿検査により,さらなる知見が得られることを示した。
関連論文リスト
- MeLIAD: Interpretable Few-Shot Anomaly Detection with Metric Learning and Entropy-based Scoring [2.394081903745099]
本稿では,新たな異常検出手法であるMeLIADを提案する。
MeLIADはメートル法学習に基づいており、真の異常の事前分布仮定に頼ることなく、設計による解釈可能性を達成する。
解釈可能性の定量的かつ定性的な評価を含む5つの公開ベンチマークデータセットの実験は、MeLIADが異常検出とローカライゼーション性能の改善を達成することを実証している。
論文 参考訳（メタデータ） (2024-09-20T16:01:43Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Anomaly component analysis [3.046315755726937]
本稿では,データ深度をスコアとして,異常観測を探索的に分析するための新しい統計ツールを提案する。
異常成分分析(英: Anomaly component analysis、略称: ACA)は、異常を最もよく視覚化し説明する低次元データ表現を探索する手法である。
論文 参考訳（メタデータ） (2023-12-26T17:57:46Z) - An AI-Guided Data Centric Strategy to Detect and Mitigate Biases in
Healthcare Datasets [32.25265709333831]
我々は、小さなサンプルサイズ(AEquity)で異なるグループをいかに容易に学習するかを調査することによって、データセットバイアスを評価するために、データ中心、モデルに依存しないタスク非依存のアプローチを生成する。
次に、サブポピュレーション全体にわたるAEq値の体系的分析を適用し、医療における2つの既知の事例において、人種的偏見の特定と顕在化を図った。
AEqは、医療データセットのバイアスを診断し、修正することで、エクイティの前進に適用できる、新しく広く適用可能なメトリクスである。
論文 参考訳（メタデータ） (2023-11-06T17:08:41Z) - Bias in Unsupervised Anomaly Detection in Brain MRI [12.857583780524847]
教師なし異常検出法は、教師付きアプローチに代わる有望で柔軟な代替手段を提供する。
現状では, テストケースとトレーニング分布の違いは, 病的条件のみに起因していると推定されることが多い。
スキャナー、年齢、性別、人種など、他の潜在的な分布シフト源の存在は、しばしば見過ごされる。
論文 参考訳（メタデータ） (2023-08-26T12:39:25Z) - Rare Yet Popular: Evidence and Implications from Labeled Datasets for
Network Anomaly Detection [9.717823994163277]
本稿では,ネットワーク環境における異常検出のための,公開・非公開の真理を体系的に分析する。
解析の結果, 異常は時間的に稀な事象であるが, 空間的特徴から, 異常が比較的多いことが明らかとなった。
論文 参考訳（メタデータ） (2022-11-18T10:14:03Z) - Deep Learning for Time Series Anomaly Detection: A Survey [53.83593870825628]
時系列異常検出は、製造業や医療を含む幅広い研究分野や応用に応用されている。
時系列の大規模かつ複雑なパターンにより、研究者は異常パターンを検出するための特別な深層学習モデルを開発するようになった。
本調査は,ディープラーニングを用いた構造化および総合的時系列異常検出モデルの提供に焦点を当てる。
論文 参考訳（メタデータ） (2022-11-09T22:40:22Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。
我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。
製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2022-06-23T14:16:30Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z) - Survival Cluster Analysis [93.50540270973927]
異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。
このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
論文 参考訳（メタデータ） (2020-02-29T22:41:21Z)
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。