論文の概要: EDEN : An Event DEtection Network for the annotation of Breast Cancer recurrences in administrative claims data

• arxiv url: http://arxiv.org/abs/2211.08077v1
• Date: Tue, 15 Nov 2022 11:57:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 15:29:41.102943
• Title: EDEN : An Event DEtection Network for the annotation of Breast Cancer recurrences in administrative claims data
• Title（参考訳）: EDEN : 行政請求データにおける乳癌再発診断のための事象検出ネットワーク
• Authors: Elise Dumas, Anne-Sophie Hamy, Sophie Houzard, Eva Hernandez, Aull\`ene Toussaint, Julien Guerin, Laetitia Chanas, Victoire de Castelbajac, Mathilde Saint-Ghislain, Beatriz Grandal, Eric Daoud, Fabien Reyal, Chlo\'e-Agathe Azencott
• Abstract要約: 生存分析のための時間認識ネットワークEDENとそのカスタム損失関数を提案する。 EDENは、医療シーケンスにおける生存イベントを検出するために、右検閲と時間的訪問を同時に扱うことができる。 本手法は実世界の乳がんデータセットに対する最先端のアプローチよりも優れている。
• 参考スコア（独自算出の注目度）: 0.4260602838972598
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: While the emergence of large administrative claims data provides opportunities for research, their use remains limited by the lack of clinical annotations relevant to disease outcomes, such as recurrence in breast cancer (BC). Several challenges arise from the annotation of such endpoints in administrative claims, including the need to infer both the occurrence and the date of the recurrence, the right-censoring of data, or the importance of time intervals between medical visits. Deep learning approaches have been successfully used to label temporal medical sequences, but no method is currently able to handle simultaneously right-censoring and visit temporality to detect survival events in medical sequences. We propose EDEN (Event DEtection Network), a time-aware Long-Short-Term-Memory network for survival analyses, and its custom loss function. Our method outperforms several state-of-the-art approaches on real-world BC datasets. EDEN constitutes a powerful tool to annotate disease recurrence from administrative claims, thus paving the way for the massive use of such data in BC research.
• Abstract（参考訳）: 大規模な管理クレームデータの出現は研究の機会を与えるが、乳がん(BC)の再発など、疾患の再発に関連する臨床診断の欠如により、その使用は制限されている。 このようなエンドポイントを管理クレームにアノテーションすることで、再発の発生と日付の両方を推測する必要性、データの正しい検閲、医療訪問の間の時間間隔の重要性など、いくつかの課題が発生する。 深層学習のアプローチは、時間的医療シーケンスのラベル付けに成功しているが、現在、医学的シーケンスにおける生存事象を検出するために、適切な検閲と時間的訪問を同時に扱う方法がない。 本稿では、生存分析のための時間認識長短記憶ネットワークEDEN(Event Detection Network)とそのカスタムロス関数を提案する。 提案手法は,実世界のBCデータセットに対する最先端のアプローチよりも優れている。 エデンは、行政上の主張から病気の再発を注釈する強力なツールであり、bc研究におけるそのようなデータの大量使用の道を開く。

関連論文リスト

• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
  深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。 われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
  論文  参考訳（メタデータ） (2024-05-02T09:41:31Z)
• Predicting Unplanned Readmissions in the Intensive Care Unit: A Multimodality Evaluation [2.2559617939136505]
  退院は、ある期間内に退院した患者が、同じまたは関連するケアのために再び入院した場合である。 我々は、時系列分析と自然言語処理に最先端の機械学習アプローチを用いて、ICUにおける未計画の可読度を予測する。
  論文  参考訳（メタデータ） (2023-05-14T12:20:13Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• How Far Should We Look Back to Achieve Effective Real-Time Time-Series Anomaly Detection? [1.0437764544103274]
  異常検出は、予期せぬ事象やデータの異常を識別するプロセスである。 RePAD (Real-time Proactive Anomaly Detection algorithm) は上記の全ての特徴を持つ一般的な手法である。 歴史的データポイントの差がRePADの性能に与える影響は明らかでない。
  論文  参考訳（メタデータ） (2021-02-12T14:51:05Z)
• Clinical Temporal Relation Extraction with Probabilistic Soft Logic Regularization and Global Inference [50.029659413650194]
  既存のメソッドは、高価な機能エンジニアリングを必要とするか、イベント間のグローバルな依存関係をモデル化できない。 本稿では,確率論的ソフト論理規則化とグローバル推論を用いた新しい臨床時間緩和法を提案する。
  論文  参考訳（メタデータ） (2020-12-16T08:23:03Z)
• 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)
• Deep Recurrent Model for Individualized Prediction of Alzheimer's Disease Progression [4.034948808542701]
  アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。 本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-06T08:08:00Z)
• RePAD: Real-time Proactive Anomaly Detection for Time Series [0.27528170226206433]
  RePADはLong Short-Term Memory (LSTM)に基づくストリーミング時系列のリアルタイム能動異常検出アルゴリズムである 検出しきい値を時間とともに動的に調整することにより、RePADは時系列におけるマイナーパターンの変更を許容し、前向きまたは時間的に異常を検出することができる。
  論文  参考訳（メタデータ） (2020-01-24T09:13:33Z)

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。