Fugu-MT 論文翻訳(概要): Expert Opinion Elicitation for Assisting Deep Learning based Lyme Disease Classifier with Patient Data

論文の概要: Expert Opinion Elicitation for Assisting Deep Learning based Lyme Disease Classifier with Patient Data

arxiv url: http://arxiv.org/abs/2208.14384v1
Date: Tue, 30 Aug 2022 16:48:32 GMT
ステータス: 処理完了
システム内更新日: 2022-08-31 13:27:33.235592
Title: Expert Opinion Elicitation for Assisting Deep Learning based Lyme Disease Classifier with Patient Data
Title（参考訳）: 患者データを用いた深層学習型ライム病分類器のエキスパートオピニオン除去
Authors: Sk Imran Hossain, Jocelyn de Go\"er de Herve, David Abrial, Richard Emillion, Isabelle Lebertb, Yann Frendo, Delphine Martineau, Olivier Lesens, Engelbert Mephu Nguifo
Abstract要約: ディープラーニングに基づくLyme病の認識に関する既存の研究は、病変画像のみを利用している。この研究は15人の医師から意見を得た。抽出された確率スコアを利用して、画像ベースのディープラーニングLyme病前スキャナーを堅牢にすることができる。
参考スコア（独自算出の注目度）: 0.7377893131680262
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Diagnosing erythema migrans (EM) skin lesion, the most common early symptom of Lyme disease using deep learning techniques can be effective to prevent long-term complications. Existing works on deep learning based EM recognition only utilizes lesion image due to the lack of a dataset of Lyme disease related images with associated patient data. Physicians rely on patient information about the background of the skin lesion to confirm their diagnosis. In order to assist the deep learning model with a probability score calculated from patient data, this study elicited opinion from fifteen doctors. For the elicitation process, a questionnaire with questions and possible answers related to EM was prepared. Doctors provided relative weights to different answers to the questions. We converted doctors evaluations to probability scores using Gaussian mixture based density estimation. For elicited probability model validation, we exploited formal concept analysis and decision tree. The elicited probability scores can be utilized to make image based deep learning Lyme disease pre-scanners robust.
Abstract（参考訳）: 深層学習法を用いたライム病の早期症状であるエリテマ・ミクラン (em) 皮膚病変の診断は, 長期合併症の予防に有効である。ディープラーニングに基づくem認識に関する既存の研究は、ライム病関連画像と関連する患者データとのデータセットの欠如による病変画像のみを利用している。医師は、診断を確認するために皮膚病変の背景に関する患者の情報に頼る。患者データから算出した確率スコアを用いた深層学習モデルを支援するため,15名の医師の意見を得た。解答過程について質問紙調査を行い,emに関する質問紙調査を行った。医師は質問に対する答えに相対的な重みを与えた。我々はガウス混合密度推定を用いて医師の評価を確率スコアに変換した。確率モデル検証のための形式的概念解析と決定木を利用した。抽出された確率スコアを利用して、画像ベースのディープラーニングLyme病前スキャナーを堅牢にすることができる。

関連論文リスト

Estimating the severity of dental and oral problems via sentiment classification over clinical reports [0.8287206589886879]
テキストにおける著者の感情を分析することは、医学や歯科など様々な分野において実用的で有用である。 CNN-LSTMとして知られる畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)ネットワークアーキテクチャに基づくディープラーニングモデルを開発した。
論文参考訳（メタデータ） (2024-01-17T14:33:13Z)
Reconstruction of Patient-Specific Confounders in AI-based Radiologic Image Interpretation using Generative Pretraining [12.656718786788758]
本稿では,DiffChestと呼ばれる自己条件拡散モデルを提案し,胸部X線画像のデータセット上で訓練する。 DiffChest氏は、患者固有のレベルでの分類を説明し、モデルを誤解させる可能性のある要因を視覚化する。本研究は,医用画像分類における拡散モデルに基づく事前訓練の可能性を明らかにするものである。
論文参考訳（メタデータ） (2023-09-29T10:38:08Z)
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)
An Ensemble Approach for Patient Prognosis of Head and Neck Tumor Using Multimodal Data [0.0]
頭頸部腫瘍の予後を予測するために,深層マルチタスクロジスティック回帰(MTLR),コックス比重ハザード(CoxPH),CNNモデルを組み込んだマルチモーダルネットワークを提案する。提案手法は,HECKTORテストセットのC-インデックス0.72を達成し,HECKTORチャレンジの予後タスクにおける第1位を救った。
論文参考訳（メタデータ） (2022-02-25T07:50:59Z)
Feature-context driven Federated Meta-Learning for Rare Disease Prediction [5.841823822793997]
本稿では,フェデレートされたメタラーニングに基づく,まれな疾患予測のための新しいアプローチを提案する。提案手法は,従来のフェデレーションメタ学習アルゴリズムの精度と高速化に優れることを示す。
論文参考訳（メタデータ） (2021-12-29T02:18:43Z)
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)
Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文参考訳（メタデータ） (2021-02-08T10:26:44Z)
Potential Features of ICU Admission in X-ray Images of COVID-19 Patients [8.83608410540057]
本稿では,患者ICU入院ラベルを用いたデータセットから,重症度と相関する意味的特徴を抽出する手法を提案する。この手法は、肺の病態を認識して意味的特徴を抽出するために訓練されたニューラルネットワークを使用する。この方法では、学習した特徴の画像を選択でき、肺内の一般的な位置に関する情報を翻訳することができる。
論文参考訳（メタデータ） (2020-09-26T13:48:39Z)
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)
Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文参考訳（メタデータ） (2020-05-10T01:45:03Z)
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。