論文の概要: Granger Causal Chain Discovery for Sepsis-Associated Derangements via Continuous-Time Hawkes Processes

• arxiv url: http://arxiv.org/abs/2209.04480v5
• Date: Tue, 23 May 2023 16:38:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 01:30:36.962527
• Title: Granger Causal Chain Discovery for Sepsis-Associated Derangements via Continuous-Time Hawkes Processes
• Title（参考訳）: 連続時間ホークスプロセスによるセプシス関連配列のグランガー因果連鎖発見
• Authors: Song Wei, Yao Xie, Christopher S. Josef, Rishikesan Kamaleswaran
• Abstract要約: 拡張性のある2相勾配法を開発し,最大サロゲート形状推定値を求める。 本手法はアトランタのグレーディ病院に入院した患者のデータに拡張され,GCグラフでは敗血症に先行するいくつかの高度に解釈可能なGC鎖を同定した。
• 参考スコア（独自算出の注目度）: 10.410454851418548
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Modern health care systems are conducting continuous, automated surveillance of the electronic medical record (EMR) to identify adverse events with increasing frequency; however, many events such as sepsis do not have elucidated prodromes (i.e., event chains) that can be used to identify and intercept the adverse event early in its course. Clinically relevant and interpretable results require a framework that can (i) infer temporal interactions across multiple patient features found in EMR data (e.g., Labs, vital signs, etc.) and (ii) identify patterns that precede and are specific to an impending adverse event (e.g., sepsis). In this work, we propose a linear multivariate Hawkes process model, coupled with ReLU link function, to recover a Granger Causal (GC) graph with both exciting and inhibiting effects. We develop a scalable two-phase gradient-based method to obtain a maximum surrogate-likelihood estimator, which is shown to be effective via extensive numerical simulation. Our method is subsequently extended to a data set of patients admitted to Grady hospital system in Atlanta, GA, USA, where the estimated GC graph identifies several highly interpretable GC chains that precede sepsis. The code is available at \url{https://github.com/SongWei-GT/two-phase-MHP}.
• Abstract（参考訳）: 現代の医療システムは、電子医療記録(EMR)を継続的に自動で監視し、頻度の上昇に伴う有害事象を識別するが、セプシスのような多くの事象は、その過程の早い段階で、有害事象を識別し、傍受するために用いられる、解明されたプロドロム(すなわち、イベントチェーン)を持っていない。 臨床的に関連があり 解釈可能な結果には (i)EMMデータ(例えば、ラボ、バイタルサイン等)にみられる複数の患者特徴間の時間的相互作用を推測すること。 (ii)差し迫っている副作用(敗血症など)に特異的なパターンを特定すること。 本研究では,ReLUリンク関数と組み合わさった線形多変量ホークスプロセスモデルを提案し,エキサイティングかつ抑制的な効果を持つGranger Causal(GC)グラフを復元する。 本研究では, 拡張性のある2相勾配法を開発し, 広範囲な数値シミュレーションにより有効であることを示す。 この方法はその後,米国アトランタのglady病院に入院した患者のデータセットに拡張され,推定gcグラフは敗血症に先行するいくつかの高度に解釈可能なgc鎖を同定する。 コードは \url{https://github.com/songwei-gt/two-phase-mhp} で入手できる。

関連論文リスト

• Explainable Spatio-Temporal GCNNs for Irregular Multivariate Time Series: Architecture and Application to ICU Patient Data [7.433698348783128]
  XST-CNN(eXG-Temporal Graph Conal Neural Network)は、不均一で不規則なマルチ時系列(MTS)データを処理するための新しいアーキテクチャである。 提案手法は,GCNNパイプラインを利用して時間的・時間的統合パイプライン内での時間的特徴を捉える。 ICU患者のマルチドラッグ抵抗(MDR)を予測するために,実世界の電子健康記録データを用いてXST-CNNを評価した。
  論文  参考訳（メタデータ） (2024-11-01T22:53:17Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Sickle Cell Disease Severity Prediction from Percoll Gradient Images using Graph Convolutional Networks [38.27767684024691]
  シックル細胞病(Sickle cell disease, SCD)は、赤血球の早期破壊を引き起こす重篤な遺伝性ヘモグロビン疾患である。 提案手法は,SCD重大度予測の難問に対する最初の計算手法である。
  論文  参考訳（メタデータ） (2021-09-11T21:09:50Z)
• MG-NET: Leveraging Pseudo-Imaging for Multi-Modal Metagenome Analysis [5.04905391284093]
  本稿では,自己教師型表現学習フレームワークMG-Netを提案する。 MG-Netはラベルのないデータからロバストな表現を学習できることを示す。 実験により、学習した特徴が現在のベースラインメタジェノム表現より優れていることが示された。
  論文  参考訳（メタデータ） (2021-07-21T05:53:01Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• 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)
• Large-scale Augmented Granger Causality (lsAGC) for Connectivity Analysis in Complex Systems: From Computer Simulations to Functional MRI (fMRI) [0.0]
  本稿では,複合システムにおける接続解析の方法として,大規模Augmented Granger Causality (lsAGC)を導入している。 lsAGCアルゴリズムは、寸法低減とソース時系列拡張を組み合わせた。 合成指向性時系列ネットワーク上での lsAGC の性能を定量的に評価する。
  論文  参考訳（メタデータ） (2021-01-10T01:44:48Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)
• Continuous Learning and Inference of Individual Probability of SARS-CoV-2 Infection Based on Interaction Data [0.0]
  本研究は,SARS-CoV-2ウイルスの非感染性キャリアーの確率を,対話型連続学習と,感染性ランキングのための個別確率推定(CLIIP)を用いて決定する新しい手法を提案する。 従来の接触追跡法と比較して,非血縁性ウイルスキャリアーの探索に必要なスクリーニングと検疫を最大94%削減する。
  論文  参考訳（メタデータ） (2020-06-08T14:52:04Z)

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。