Fugu-MT 論文翻訳(概要): Efficient Symptom Inquiring and Diagnosis via Adaptive Alignment of Reinforcement Learning and Classification

論文の概要: Efficient Symptom Inquiring and Diagnosis via Adaptive Alignment of Reinforcement Learning and Classification

arxiv url: http://arxiv.org/abs/2112.00733v1
Date: Wed, 1 Dec 2021 11:25:42 GMT
ステータス: 処理完了
システム内更新日: 2021-12-03 14:40:22.558558
Title: Efficient Symptom Inquiring and Diagnosis via Adaptive Alignment of Reinforcement Learning and Classification
Title（参考訳）: 強化学習と分類の適応的アライメントによる効率的な症状問合せと診断
Authors: Hongyi Yuan and Sheng Yu
Abstract要約: そこで本研究では,それぞれに強化学習課題と分類課題として定式化された症状検索と疾患診断を併用した医学的自動診断法を提案する。我々はMedlinePlus知識ベースから抽出された新しいデータセットを作成し、より多くの病気とより完全な症状情報を含む。実験結果から,本手法は異なるデータセット上での3つの最新手法よりも優れていることがわかった。
参考スコア（独自算出の注目度）: 0.6415701940560564
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The medical automatic diagnosis system aims to imitate human doctors in the real diagnostic process. This task is formulated as a sequential decision-making problem with symptom inquiring and disease diagnosis. In recent years, many researchers have used reinforcement learning methods to handle this task. However, most recent works neglected to distinguish the symptom inquiring and disease diagnosing actions and mixed them into one action space. This results in the unsatisfactory performance of reinforcement learning methods on this task. Moreover, there is a lack of a public evaluation dataset that contains various diseases and corresponding information. To address these issues, we first propose a novel method for medical automatic diagnosis with symptom inquiring and disease diagnosing formulated as a reinforcement learning task and a classification task, respectively. We also propose a robust and adaptive method to align the two tasks using distribution entropies as media. Then, we create a new dataset extracted from the MedlinePlus knowledge base. The dataset contains more diseases and more complete symptom information. The simulated patients for experiments are more realistic. Experimental evaluation results show that our method outperforms three recent state-of-the-art methods on different datasets by achieving higher medical diagnosis accuracies with few inquiring turns.
Abstract（参考訳）: 医療自動診断システムは、実際の診断過程において、ヒトの医師を模倣することを目的としている。本課題は症状検索および疾患診断を伴う逐次的意思決定問題として定式化される。近年,多くの研究者が強化学習手法を用いて作業を行っている。しかし、ほとんどの最近の作品は、症状の問合せと疾患の診断行動の区別を怠り、それらを一つの行動空間に混合した。これにより、この課題に対する強化学習手法の不満足な性能が得られる。さらに、様々な疾患と対応する情報を含む公的評価データセットが欠如している。これらの課題に対処するため、我々は、それぞれ強化学習課題と分類課題として定式化された症状検索と疾患診断を用いた医学的自動診断法を提案する。また,メディアとして分布エントロピーを用いて2つのタスクを整列するロバストで適応的な手法を提案する。次に,MedlinePlus知識ベースから抽出した新しいデータセットを作成する。データセットには、より多くの疾患とより完全な症状情報が含まれている。実験のためのシミュレーションされた患者はもっとリアルです。実験結果から,本手法は転倒の少ない高次診断精度を達成し,最新の3つの手法よりも優れていることが示された。

関連論文リスト

Automatic Differential Diagnosis using Transformer-Based Multi-Label Sequence Classification [0.0]
本稿では,患者の年齢,性別,医療歴,症状に基づく鑑別診断のためのトランスフォーマーベースのアプローチを提案する。 DDXPlus データセットを用いて,49 種類の疾患を鑑別し,鑑別診断情報を提供する。
論文参考訳（メタデータ） (2024-08-28T14:40:15Z)
Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文参考訳（メタデータ） (2024-02-16T05:16:20Z)
Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-06-02T01:46:31Z)
Extracting Diagnosis Pathways from Electronic Health Records Using Deep Reinforcement Learning [2.0191844627740254]
我々は,電子カルテから正しい診断を得るために,行動の最適なシーケンスを学習することを目指している。この課題に様々な深層強化学習アルゴリズムを適用し、貧血の鑑別診断のために、合成だが現実的なデータセットを実験する。
論文参考訳（メタデータ） (2023-05-10T16:36:54Z)
A Novel Collaborative Self-Supervised Learning Method for Radiomic Data [3.5213632537596604]
本稿では,ラベル付き無線データ不足の課題を解決するための,新しい自己教師型学習手法を提案する。提案手法は, 放射線データから頑健な潜在特徴表現を自己指導的に学習し, 人間のアノテーションの取り組みを減らした。
論文参考訳（メタデータ） (2023-02-20T07:15:28Z)
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)
Distributed Learning Approaches for Automated Chest X-Ray Diagnosis [0.0]
医療機関のコンソーシアムが特定の疾患を特定するために機械学習モデルをトレーニングする必要がある場合、プライバシー問題に対処する戦略に焦点を当てる。特に,本分析では,クライアントデータにおけるデータ分散の違いが,機関間のデータ交換頻度に与える影響について検討した。
論文参考訳（メタデータ） (2021-10-04T14:22:29Z)
Lifelong Learning based Disease Diagnosis on Clinical Notes [24.146567779632107]
本稿では,医学的実体と文脈の融合,エピソディクス記憶の埋め込み,知識の保持に注意を払うことを提案する。各種病院から収集した臨床記録を含む新しいベンチマークjarvis-40を樹立した。提案手法は,提案するベンチマークで最先端の性能が得られることを示す。
論文参考訳（メタデータ） (2021-02-27T09:23:57Z)
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)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文参考訳（メタデータ） (2020-03-14T02:05:54Z)

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。