論文の概要: Development of deep biological ages aware of morbidity and mortality
based on unsupervised and semi-supervised deep learning approaches
- arxiv url: http://arxiv.org/abs/2302.00319v1
- Date: Wed, 1 Feb 2023 08:54:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 13:15:27.861534
- Title: Development of deep biological ages aware of morbidity and mortality
based on unsupervised and semi-supervised deep learning approaches
- Title(参考訳): 教師なし・半教師なしの深層学習アプローチに基づく形態と死亡を意識した深層生物年代の開発
- Authors: Seong-Eun Moon, Ji Won Yoon, Shinyoung Joo, Yoohyung Kim, Jae Hyun
Bae, Seokho Yoon, Haanju Yoo, and Young Min Cho
- Abstract要約: 既存の生物学的年齢推定の深層学習法は通常、時系列年齢と死亡率と死亡率の考慮の欠如に依存している。
本稿では,生物老化の潜在的表現を被験者の死亡率と死亡率に関して学習するための新しい深層学習モデルを提案する。
- 参考スコア(独自算出の注目度): 3.8240573706733514
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: While deep learning technology, which has the capability of
obtaining latent representations based on large-scale data, can be a potential
solution for the discovery of a novel aging biomarker, existing deep learning
methods for biological age estimation usually depend on chronological ages and
lack of consideration of mortality and morbidity that are the most significant
outcomes of aging. Methods: This paper proposes a novel deep learning model to
learn latent representations of biological aging in regard to subjects'
morbidity and mortality. The model utilizes health check-up data in addition to
morbidity and mortality information to learn the complex relationships between
aging and measured clinical attributes. Findings: The proposed model is
evaluated on a large dataset of general populations compared with KDM and other
learning-based models. Results demonstrate that biological ages obtained by the
proposed model have superior discriminability of subjects' morbidity and
mortality.
- Abstract(参考訳): 背景: 大規模データに基づく潜在表現を得る能力を持つ深層学習技術は, 新たな老化バイオマーカーの発見の潜在的な解決策となりうるが, 既存の生物年齢推定の深層学習手法は, 老化の最も重要な結果である死亡率, 死亡率, 死亡率の考慮の欠如に通常依存する。
方法: 本論文は, 被検者の死亡率と死亡率に関して, 生物学的老化の潜伏表現を学習するための新しい深層学習モデルを提案する。
本モデルは老化と測定された臨床属性の複雑な関係を知るために, 健康診断データに加えて, 死亡情報も活用する。
Findings: 提案モデルは,KDMや他の学習ベースモデルと比較して,一般集団の大規模なデータセットで評価される。
その結果, 本モデルにより得られた生物学的年齢は, 被験者の死亡率と死亡率の識別性に優れていた。
関連論文リスト
- 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) - Does pre-training on brain-related tasks results in better
deep-learning-based brain age biomarkers? [4.114671069824331]
脳年齢予測のための深層学習モデルに対する事前学習段階の影響について検討する。
軽度認知障害およびアルツハイマー病患者の画像から得られた脳年齢バイオマーカーを検証した。
論文 参考訳(メタデータ) (2023-07-11T13:16:04Z) - Continual Learning with Bayesian Model based on a Fixed Pre-trained
Feature Extractor [55.9023096444383]
現在のディープラーニングモデルは、新しいクラスを学ぶ際に古い知識を破滅的に忘れることによって特徴づけられる。
人間の脳における新しい知識の学習プロセスに着想を得て,連続学習のためのベイズ生成モデルを提案する。
論文 参考訳(メタデータ) (2022-04-28T08:41:51Z) - LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。
タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。
クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
論文 参考訳(メタデータ) (2022-04-12T12:25:05Z) - SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for
Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。
皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。
本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2022-03-22T06:54:29Z) - Random cohort effects and age groups dependency structure for mortality
modelling and forecasting: Mixed-effects time-series model approach [3.450774887322348]
本稿では, 死亡予測と死亡予測のための混合効果型時系列手法を提案する。
提案手法の能力は、実証的な男女死亡データを用いた2つの応用を通して実証される。
論文 参考訳(メタデータ) (2021-12-31T01:15:07Z) - Human Age Estimation from Gene Expression Data using Artificial Neural
Networks [27.900947531352983]
本稿では,ヒト皮膚線維芽細胞遺伝子発現データから得られた情報を用いたヒト年齢推定のための新しい枠組みを提案する。
実験結果から,最先端の年齢推定手法よりも提案手法が優れていることが示唆された。
論文 参考訳(メタデータ) (2021-11-04T08:57:35Z) - An Information-Theoretic Framework for Identifying Age-Related Genes
Using Human Dermal Fibroblast Transcriptome Data [0.8122270502556371]
我々は老化に関連する遺伝子を同定するための情報理論フレームワークを開発した。
我々はヒト皮膚線維芽細胞遺伝子発現データに教師なしおよび半教師付き学習技術を用いた。
教師なし手法と半教師なし手法の両方のパフォーマンス評価は,フレームワークの有効性を示す。
論文 参考訳(メタデータ) (2021-11-04T02:41:33Z) - LAE : Long-tailed Age Estimation [52.5745217752147]
まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。
標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。
本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
論文 参考訳(メタデータ) (2021-10-25T09:05:44Z) - Relational Subsets Knowledge Distillation for Long-tailed Retinal
Diseases Recognition [65.77962788209103]
本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。
モデルがサブセット固有の知識の学習に集中するように強制する。
提案手法は長期網膜疾患認識タスクに有効であることが判明した。
論文 参考訳(メタデータ) (2021-04-22T13:39:33Z) - Age-Net: An MRI-Based Iterative Framework for Brain Biological Age
Estimation [18.503467872057424]
生物学的年齢(BA)の概念は、主に明確に定義された基準基準が欠如していることから理解するのが困難である。
臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
論文 参考訳(メタデータ) (2020-09-22T19:04:02Z)
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。