論文の概要: Bridging the Gap between Deep Learning and Hypothesis-Driven Analysis via Permutation Testing

• arxiv url: http://arxiv.org/abs/2207.14349v1
• Date: Thu, 28 Jul 2022 19:01:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-01 13:00:49.852506
• Title: Bridging the Gap between Deep Learning and Hypothesis-Driven Analysis via Permutation Testing
• Title（参考訳）: 置換テストによる深層学習と仮説駆動分析のギャップを埋める
• Authors: Magdalini Paschali and Qingyu Zhao and Ehsan Adeli and Kilian M. Pohl
• Abstract要約: 置換テストの概念に基づくフレキシブルでスケーラブルなアプローチを提案する。 青少年期における全国アルコール・神経発達コンソーシアム621名の年次自己報告評価にアプローチを適用した。 本手法は,症状を説明する危険因子の分類に成功している。
• 参考スコア（独自算出の注目度）: 16.397774179084607
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A fundamental approach in neuroscience research is to test hypotheses based on neuropsychological and behavioral measures, i.e., whether certain factors (e.g., related to life events) are associated with an outcome (e.g., depression). In recent years, deep learning has become a potential alternative approach for conducting such analyses by predicting an outcome from a collection of factors and identifying the most "informative" ones driving the prediction. However, this approach has had limited impact as its findings are not linked to statistical significance of factors supporting hypotheses. In this article, we proposed a flexible and scalable approach based on the concept of permutation testing that integrates hypothesis testing into the data-driven deep learning analysis. We apply our approach to the yearly self-reported assessments of 621 adolescent participants of the National Consortium of Alcohol and Neurodevelopment in Adolescence (NCANDA) to predict negative valence, a symptom of major depressive disorder according to the NIMH Research Domain Criteria (RDoC). Our method successfully identifies categories of risk factors that further explain the symptom.
• Abstract（参考訳）: 神経科学研究における基本的なアプローチは、神経心理学的および行動学的尺度に基づいて仮説をテストすることである。 近年、深層学習は、要因の集合から結果を予測し、予測を駆動する最も「非形式的」な要素を特定することによって、そのような分析を行うための潜在的代替アプローチとなっている。 しかし、このアプローチは仮説を支持する因子の統計的意義と関係がないため、影響は限られている。 本稿では,データ駆動型ディープラーニング分析に仮説テストを統合する,置換テストの概念に基づくフレキシブルでスケーラブルなアプローチを提案する。 NIMH Research Domain Criteria (RDoC) による抑うつ性障害の症状である負の有病率を予測するため, 若年者における全国アルコール・神経発達コンソーシアム(NCANDA)の621名の年次自己申告者に対するアプローチを適用した。 本手法は症状を説明する危険因子の分類に成功している。

関連論文リスト

• Challenges and Considerations in the Evaluation of Bayesian Causal Discovery [49.0053848090947]
  因果発見の不確実性を表現することは、実験設計において重要な要素であり、より広く、安全で信頼性の高い因果決定のために重要である。 単一の推定因果グラフとモデルパラメータによる評価に依存する非ベイズ因果発見とは異なり、因果発見はその量の性質に起因する課題を提示する。 評価に最も適した指標についてのコンセンサスはない。
  論文  参考訳（メタデータ） (2024-06-05T12:45:23Z)
• Assessing ML Classification Algorithms and NLP Techniques for Depression Detection: An Experimental Case Study [0.6524460254566905]
  うつ病は世界中で何百万人もの人々に影響を与えており、最も一般的な精神疾患の1つとなっている。 近年の研究では、機械学習(ML)と自然言語処理(NLP)のツールや技術がうつ病の診断に広く用いられていることが証明されている。 しかし, 外傷後ストレス障害 (PTSD) などの他の症状が存在するうつ病検出アプローチの評価には, 依然としていくつかの課題がある。
  論文  参考訳（メタデータ） (2024-04-03T19:45:40Z)
• 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)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Investigation of factors regarding the effects of COVID-19 pandemic on college students' depression by quantum annealer [4.64461905056841]
  新型コロナウイルスのパンデミックがメンタルヘルスに与える影響は、これまでの研究で報告されている。 本研究では,751人の大学生から多変量データセットを収集した。 パンデミック関連因子と心理的要因は、パンデミック後条件においてより重要であった。
  論文  参考訳（メタデータ） (2023-09-26T11:20:24Z)
• Analysis and Evaluation of Explainable Artificial Intelligence on Suicide Risk Assessment [32.04382293817763]
  本研究では,自殺リスク予測における説明可能な人工知能(XAI)技術の有効性について検討した。 データ拡張技術とMLモデルは、関連するリスクを予測するために使用される。 高い収入、高い職業、大学教育を持つ患者は、最もリスクが低い。
  論文  参考訳（メタデータ） (2023-03-09T05:11:46Z)
• From Group-Differences to Single-Subject Probability: Conformal Prediction-based Uncertainty Estimation for Brain-Age Modeling [0.0]
  脳年齢差は、障害全体にわたる脳変化の最も調査された危険マーカーの1つである。 我々は不確実性を考慮したディープニューラルネットワークと共形予測理論を組み合わせる。 我々はN=16,794人の被験者のサンプルで、最先端の大規模脳老化モデルとして低い誤差または同等の誤差を示す。 我々のモデルから得られた加速脳老化の確率は、アルツハイマー病、双極性障害、および大うつ病と関連している。
  論文  参考訳（メタデータ） (2023-02-10T15:05:09Z)
• Bias Reducing Multitask Learning on Mental Health Prediction [18.32551434711739]
  メンタルヘルスの検出や予測のための機械学習モデルの開発では、研究が増加している。 本研究では,マルチタスク学習に基づくバイアス緩和手法を不安予測モデルに適用し,公平性分析を行うことを目的とする。 分析の結果、我々の不安予測ベースモデルでは、年齢、収入、民族性、そして参加者が米国で生まれたかどうかに偏りが生じていた。
  論文  参考訳（メタデータ） (2022-08-07T02:28:32Z)
• SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event Data [83.50281440043241]
  時系列データから不均一な処理効果を推定する問題について検討する。 本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-10-26T20:13:17Z)
• Variance Minimization in the Wasserstein Space for Invariant Causal Prediction [72.13445677280792]
  そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。 これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。 我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
  論文  参考訳（メタデータ） (2021-10-13T22:30:47Z)
• ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
  因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。 Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。 純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
  論文  参考訳（メタデータ） (2021-03-26T02:42:38Z)

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。