論文の概要: Diaformer: Automatic Diagnosis via Symptoms Sequence Generation
- arxiv url: http://arxiv.org/abs/2112.10433v1
- Date: Mon, 20 Dec 2021 10:26:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-21 16:18:26.384916
- Title: Diaformer: Automatic Diagnosis via Symptoms Sequence Generation
- Title(参考訳): Diaformer: 症状系列生成による自動診断
- Authors: Junying Chen, Dongfang Li, Qingcai Chen, Wenxiu Zhou, Xin Liu
- Abstract要約: 変換器(ダイアフォーマ)に基づく簡易かつ効果的な自動診断モデルを提案する。
まず,症状調査と疾患診断の創出を学ぶために,症状注意枠組みを設計する。
3つの公開データセットの実験により、我々のモデルは、トレーニング効率が最も高い1%、6%、11.5%で疾患診断のベースラインを上回ります。
- 参考スコア(独自算出の注目度): 14.90347470039301
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic diagnosis has attracted increasing attention but remains
challenging due to multi-step reasoning. Recent works usually address it by
reinforcement learning methods. However, these methods show low efficiency and
require taskspecific reward functions. Considering the conversation between
doctor and patient allows doctors to probe for symptoms and make diagnoses, the
diagnosis process can be naturally seen as the generation of a sequence
including symptoms and diagnoses. Inspired by this, we reformulate automatic
diagnosis as a symptoms Sequence Generation (SG) task and propose a simple but
effective automatic Diagnosis model based on Transformer (Diaformer). We
firstly design the symptom attention framework to learn the generation of
symptom inquiry and the disease diagnosis. To alleviate the discrepancy between
sequential generation and disorder of implicit symptoms, we further design
three orderless training mechanisms. Experiments on three public datasets show
that our model outperforms baselines on disease diagnosis by 1%, 6% and 11.5%
with the highest training efficiency. Detailed analysis on symptom inquiry
prediction demonstrates that the potential of applying symptoms sequence
generation for automatic diagnosis.
- Abstract(参考訳): 自動診断は注目度が高くなっているが,多段階の推論が原因でいまだに困難である。
最近の研究では通常強化学習法によって対処されている。
しかし、これらの手法は効率が低く、タスク固有の報酬関数を必要とする。
医師と患者の会話を考えると、医師は症状を調べて診断することができるので、診断プロセスは自然に症状や診断を含むシーケンスの生成と見なすことができる。
そこで本研究では,症状系列生成(SG)タスクとして自動診断を再構成し,Transformer(Diaformer)に基づく簡易かつ効果的な自動診断モデルを提案する。
まず,症状調査と疾患診断の創出を学ぶために,症状注意枠組みを設計する。
逐次発生と暗示症状の障害の相違を緩和するために,さらに3つの無秩序な訓練機構をデザインした。
3つの公開データセットを用いた実験により,本モデルが1%,6%,11.5%の診断基準を上回っており,訓練効率が最も高いことが示された。
症状調査予測の詳細な分析は, 自動診断に症状系列生成を適用する可能性を示している。
関連論文リスト
- DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。
The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文 参考訳(メタデータ) (2023-12-02T22:57:25Z) - CoAD: Automatic Diagnosis through Symptom and Disease Collaborative
Generation [37.25451059168202]
CoADは病気と症状の協調生成フレームワークである。
自動的な疾患診断を改善するために、いくつかの重要な革新が組み込まれている。
過去の診断結果よりも平均2.3%改善している。
論文 参考訳(メタデータ) (2023-07-17T07:24:55Z) - 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) - Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic
Reinforcement Learning [9.274138493400436]
医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。
これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。
生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
論文 参考訳(メタデータ) (2022-06-08T03:06:16Z) - 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) - Efficient Symptom Inquiring and Diagnosis via Adaptive Alignment of
Reinforcement Learning and Classification [0.6415701940560564]
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。
論文 参考訳(メタデータ) (2021-12-01T11:25:42Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳(メタデータ) (2021-10-28T12:59:06Z) - Proposing a System Level Machine Learning Hybrid Architecture and
Approach for a Comprehensive Autism Spectrum Disorder Diagnosis [1.2691047660244335]
自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、知的発達、社会的行動、顔の特徴に影響を及ぼす重度の神経精神疾患である。
ASDの診断精度を向上させるために,社会行動と顔の特徴データの両方をフル活用したハイブリッドアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-09-18T04:33:09Z) - 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) - 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。