論文の概要: Adversarial Factor Models for the Generation of Improved Autism Diagnostic Biomarkers

• arxiv url: http://arxiv.org/abs/2111.15347v1
• Date: Fri, 24 Sep 2021 21:56:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 20:50:49.751947
• Title: Adversarial Factor Models for the Generation of Improved Autism Diagnostic Biomarkers
• Title（参考訳）: 改良自閉症診断バイオマーカー生成のための逆因子モデル
• Authors: William E. Carson IV, Dmitry Isaev, Samatha Major, Guillermo Sapiro, Geraldine Dawson, David Carlson
• Abstract要約: 自閉症スペクトラム障害 (ASD) 診断のためのバイオマーカーの改良に, 逆線形因子モデルを適用した。 まず, 逆線形因子モデルを用いてバイオマーカーから共起情報を除去し, ASD 上の関連する情報のみを含むことを実証する。 次に, このモデルを用いて, 予測性能が向上する多モードバイオマーカーの非交叉表現を学習できることを示す。
• 参考スコア（独自算出の注目度）: 19.48133927082379
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Discovering reliable measures that inform on autism spectrum disorder (ASD) diagnosis is critical for providing appropriate and timely treatment for this neurodevelopmental disorder. In this work we present applications of adversarial linear factor models in the creation of improved biomarkers for ASD diagnosis. First, we demonstrate that an adversarial linear factor model can be used to remove confounding information from our biomarkers, ensuring that they contain only pertinent information on ASD. Second, we show this same model can be used to learn a disentangled representation of multimodal biomarkers that results in an increase in predictive performance. These results demonstrate that adversarial methods can address both biomarker confounds and improve biomarker predictive performance.
• Abstract（参考訳）: 自閉症スペクトラム障害(asd)の診断を知らせる信頼できる指標の発見は、この神経発達障害に対して適切かつタイムリーな治療を提供するために重要である。 本稿では,adversarial linear factorモデルを用いて,asd診断のための改良バイオマーカーの作成を行った。 まず, 逆線形因子モデルを用いてバイオマーカーから共起情報を除去し, ASD 上の関連する情報のみを含むことを実証する。 第2に、このモデルを用いて、予測性能の向上をもたらすマルチモーダルバイオマーカーの異方性表現を学習できることを示す。 これらの結果から, バイオマーカーの欠点に対処し, バイオマーカー予測性能を向上させることが示唆された。

関連論文リスト

• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Discovering robust biomarkers of neurological disorders from functional MRI using graph neural networks: A Review [4.799269666410891]
  本稿では、障害予測タスクのためのfMRIデータセットに対して、GNNとモデル説明可能性技術がどのように適用されてきたかを概説する。 その結果、ほとんどの研究にはパフォーマンスモデルがあるが、これらの研究で強調された健全な特徴は、同じ障害の研究によって大きく異なることが判明した。 これらのバイオマーカーのロバスト性を決定するために,客観的評価指標に基づく新しい標準を確立することを提案する。
  論文  参考訳（メタデータ） (2024-05-01T15:29:55Z)
• Improving Model's Interpretability and Reliability using Biomarkers [0.04705265502876046]
  本研究の目的は,バイオマーカーを用いた決定木分類器による説明が,不正確なモデル予測を識別する能力を向上させるかどうかを評価することである。 臨床的に確立されたバイオマーカーに基づく決定木説明は, 臨床医が偽陽性を検出できるように支援し, 医療における診断モデルの信頼性を向上させることが示唆された。
  論文  参考訳（メタデータ） (2024-02-16T20:19:28Z)
• Spatio-Temporal Similarity Measure based Multi-Task Learning for Predicting Alzheimer's Disease Progression using MRI Data [18.669489433316127]
  本稿では,アルツハイマー病の進行を効果的に予測するための,新しい時間的類似度尺度に基づくマルチタスク学習手法を提案する。 また, バイオマーカー間の関係の変化を識別するために, 縦方向の安定性の選択を行うことも可能である。 本研究では,皮質体積および表面積の相乗的劣化指標が認知的予測に有意な影響を及ぼすことを証明した。
  論文  参考訳（メタデータ） (2023-11-06T21:59:19Z)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
  NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。 膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:47:42Z)
• Counterfactual Image Synthesis for Discovery of Personalized Predictive Image Markers [0.293168019422713]
  そこで本研究では,深部条件生成モデルを用いて,主観的疾患の進展に関連があるベースライン画像の局所像特徴を摂動させることが可能であることを示す。 本モデルでは, 臨床像を反映した画像特徴の変化により, 集団レベルでのMRI像の現況を予測し, 治療効果を検証した。
  論文  参考訳（メタデータ） (2022-08-03T18:58:45Z)
• Improving generalization of machine learning-identified biomarkers with causal modeling: an investigation into immune receptor diagnostics [2.40246230430283]
  我々は、最近確立された高次元バイオマーカー-アダプティブ免疫受容体レパートリー(AIRRs)に焦点をあてる。 因果モデリングは,変数間の安定な関係を同定することにより,機械学習に基づくバイオマーカーの堅牢性を向上させる。
  論文  参考訳（メタデータ） (2022-04-20T08:15:54Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。