Fugu-MT 論文翻訳(概要): Continuous Design Control for Machine Learning in Certified Medical Systems

論文の概要: Continuous Design Control for Machine Learning in Certified Medical Systems

arxiv url: http://arxiv.org/abs/2209.05843v1
Date: Tue, 13 Sep 2022 09:42:04 GMT
ステータス: 処理完了
システム内更新日: 2022-09-14 13:11:00.681354
Title: Continuous Design Control for Machine Learning in Certified Medical Systems
Title（参考訳）: 認定医療システムにおける機械学習のための継続的設計制御
Authors: Vlad Stirbu, Tuomas Granlund, Tommi Mikkonen
Abstract要約: 本稿では,モデルカードを利用した認定医療システムにおいて,プルリクエストを設計制御として利用するアプローチを提案し,本手法を機械学習に適用する。この手法は、医療システムを継続的に開発する方法を示すために、これまで使用してきた産業システムを用いて実証されている。
参考スコア（独自算出の注目度）: 4.910937238451484
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Continuous software engineering has become commonplace in numerous fields. However, in regulating intensive sectors, where additional concerns needs to be taken into account, it is often considered difficult to apply continuous development approaches, such as devops. In this paper, we present an approach for using pull requests as design controls, and apply this approach to machine learning in certified medical systems leveraging model cards, a novel technique developed to add explainability to machine learning systems, as a regulatory audit trail. The approach is demonstrated with an industrial system that we have used previously to show how medical systems can be developed in a continuous fashion.
Abstract（参考訳）: 継続的ソフトウェアエンジニアリングは多くの分野で一般的になっています。しかしながら、追加の懸念を考慮する必要がある集中的なセクターを規制する場合、devopsのような継続的開発アプローチを適用することが難しい場合が多い。本稿では,設計制御としてプルリクエストを使用するアプローチを提案し,このアプローチをモデルカードを利用した認定医療システムにおける機械学習に適用する。このアプローチは,医療システムを継続的に開発する方法を示すために,これまで使用してきた産業システムを用いて実証されている。

関連論文リスト

Automated Ensemble Multimodal Machine Learning for Healthcare [52.500923923797835]
本稿では,自動機械学習を用いた構造化臨床(タブラル)データと医用画像の統合を実現するマルチモーダルフレームワークAutoPrognosis-Mを紹介する。 AutoPrognosis-Mには、畳み込みニューラルネットワークとビジョントランスフォーマーを含む17のイメージングモデルと、3つの異なるマルチモーダル融合戦略が含まれている。
論文参考訳（メタデータ） (2024-07-25T17:46:38Z)
Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文参考訳（メタデータ） (2023-03-02T17:27:45Z)
Lessons from Formally Verified Deployed Software Systems (Extended version) [65.69802414600832]
本稿は、正式に認証されたシステムを作成し、実際に使用するためにデプロイした各種のアプリケーション分野のプロジェクトについて検討する。使用する技術、適用の形式、得られた結果、そしてソフトウェア産業が形式的な検証技術やツールの恩恵を受ける能力について示すべき教訓を考察する。
論文参考訳（メタデータ） (2023-01-05T18:18:46Z)
AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in Healthcare with Automated Machine Learning [72.2614468437919]
本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
論文参考訳（メタデータ） (2022-10-21T16:31:46Z)
Machine Learning and Computer Vision Techniques in Continuous Beehive Monitoring Applications: A survey [0.0]
コンピュータビジョン技術を用いた自動蜂蜜モニタリング手法に着目した50の既存論文を調査した。本論文は,機械学習に精通していない獣医学専門家や専門家を対象に,その可能性について紹介する。この論文は、他の科学者にビーヒーブモニタリングの他の応用に機械学習技術を使うよう促すことを願っている。
論文参考訳（メタデータ） (2022-07-29T21:56:59Z)
When Performance is not Enough -- A Multidisciplinary View on Clinical Decision Support [1.892787412744942]
本研究は,医療意思決定支援システムにおける機械学習の多分野的展望を示す。ネフローロジで実装されたリスク予測システムとともに、パイロットプロジェクトで学んだ課題と教訓が提示される。
論文参考訳（メタデータ） (2022-04-27T10:05:13Z)
Controlling nonlinear dynamical systems into arbitrary states using machine learning [77.34726150561087]
機械学習(ML)を活用した,新しい完全データ駆動制御方式を提案する。最近開発されたMLに基づく複雑なシステムの予測機能により、非線形系は任意の初期状態から来る任意の動的対象状態に留まることが証明された。必要なデータ量が少なく,柔軟性の高いコントロールスキームを備えることで,工学から医学まで幅広い応用の可能性について簡単に議論する。
論文参考訳（メタデータ） (2021-02-23T16:58:26Z)
Machine Learning Model Development from a Software Engineering Perspective: A Systematic Literature Review [0.0]
データサイエンティストは、しばしば、業界やアカデミーの様々な問題を解決するために機械学習モデルを開発した。本稿では,ソフトウェア工学の観点からMLモデルの開発において生じる課題と実践について考察する。
論文参考訳（メタデータ） (2021-02-15T14:25:13Z)
Adaptive Immunity for Software: Towards Autonomous Self-healing Systems [0.6117371161379209]
自己修復ソフトウェアシステムは、実行時に予期しない問題を検出し、診断し、含めることができる。機械学習の最近の進歩は、システムを観察して学ぶことができる。人工免疫システムは、特に自己修復システムを構築するのに適している。
論文参考訳（メタデータ） (2021-01-07T13:22:55Z)
OnRAMP for Regulating AI in Medical Products [0.0]
この視点は、規制パッケージの生産と互換性のある開発のためのベストプラクティスガイドラインを提案する。これらのガイドラインにより、共通の機械学習プラクティスの開発において、すべての関係者がより明確にコミュニケーションできるようになります。
論文参考訳（メタデータ） (2020-10-09T14:02:30Z)
Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文参考訳（メタデータ） (2020-05-27T11:56:56Z)

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。