Fugu-MT 論文翻訳(概要): On Kenn's Rule of Combination Applied to Breast Cancer Precision Therapy

論文の概要: On Kenn's Rule of Combination Applied to Breast Cancer Precision Therapy

arxiv url: http://arxiv.org/abs/2303.03091v1
Date: Wed, 1 Mar 2023 12:16:06 GMT
ステータス: 処理完了
システム内更新日: 2023-03-12 03:49:36.715262
Title: On Kenn's Rule of Combination Applied to Breast Cancer Precision Therapy
Title（参考訳）: 乳がん精密治療におけるKennの併用規則について
Authors: Jean Dezert, Albena Tchamova
Abstract要約: ケンの組合せの法則はケンの組合せの法則(または単に略してKRC)と呼ばれる。我々は、ケンの規則が連想的でないという非常に単純な反例に感謝する。
参考スコア（独自算出の注目度）: 3.6930948691311007
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This short technical note points out an erroneous claim about a new rule of combination of basic belief assignments presented recently by Kenn et al. in 2023, referred as Kenn's rule of combination (or just as KRC for short). We prove thanks a very simple counter-example that Kenn's rule is not associative. Consequently, the results of the method proposed by Kenn et al. highly depends on the ad-hoc sequential order chosen for the fusion process as proposed by the authors. This serious problem casts in doubt the interest of this method and its real ability to provide trustful results and to make good decisions to help for precise breast cancer therapy.
Abstract（参考訳）: この短い技術的注記は、2023年にKennらによって最近提示された基本的な信念の割り当ての組み合わせの新しい規則に関する誤った主張を指摘している(略してKenn's Rule of combination(KRC))。ケインの法則が結合的ではないという非常に単純な反例のおかげで私たちは証明します。その結果、kennらによって提案された手法は、著者らが提案したような融合過程に選択されたアドホックな逐次順序に大きく依存する。この深刻な問題は、この方法の関心と、信頼できる結果を提供し、正確な乳癌治療を支援するための適切な判断を行う能力に疑問を呈する。

関連論文リスト

A Novel Approach to Breast Cancer Histopathological Image Classification Using Cross-Colour Space Feature Fusion and Quantum-Classical Stack Ensemble Method [0.0]
乳癌の分類は、タイムリーな診断と効果的な治療を確実にするための重要な柱である。本研究は、乳がん分類の精度を高めるために、色空間アンサンブルと量子古典的積み重ねの相乗効果を利用する。
論文参考訳（メタデータ） (2024-04-03T04:26:50Z)
AutoTrial: Prompting Language Models for Clinical Trial Design [53.630479619856516]
本稿では,言語モデルを用いた臨床検査基準の設計を支援するAutoTrialという手法を提案する。 70K以上の臨床試験で、AutoTrialが高品質な基準テキストを生成することが確認された。
論文参考訳（メタデータ） (2023-05-19T01:04:16Z)
Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文参考訳（メタデータ） (2023-04-12T15:08:34Z)
Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文参考訳（メタデータ） (2022-11-10T03:02:12Z)
Mutual Information Assisted Ensemble Recommender System for Identifying Critical Risk Factors in Healthcare Prognosis [0.10262304700896199]
本研究は, 疾患管理システムの一部として, 疾患の最も重要な危険因子を特定し, 推奨する特徴推薦器を提案する。多様な疾患の4つのベンチマークデータセットで実験が行われた。提案するリコメンデーターは、疾患を最も識別する能力を有する危険因子を同定し、推薦することができる。
論文参考訳（メタデータ） (2022-09-28T04:54:37Z)
Towards Evading the Limits of Randomized Smoothing: A Theoretical Analysis [74.85187027051879]
決定境界を複数の雑音分布で探索することにより,任意の精度で最適な証明を近似できることを示す。この結果は、分類器固有の認証に関するさらなる研究を後押しし、ランダム化された平滑化が依然として調査に値することを示す。
論文参考訳（メタデータ） (2022-06-03T17:48:54Z)
Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
論文参考訳（メタデータ） (2022-01-09T04:35:55Z)
Improving the compromise between accuracy, interpretability and personalization of rule-based machine learning in medical problems [0.08594140167290096]
特定の患者に対してルールが正しいか否かを予測するための新しいコンポーネントを導入し、その手順にパーソナライズを導入する。 3つの公開臨床データセットを用いた検証結果から,選択したルールセットの予測性能の向上も可能であることが示された。
論文参考訳（メタデータ） (2021-06-15T01:19:04Z)
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)
AI Driven Knowledge Extraction from Clinical Practice Guidelines: Turning Research into Practice [2.803896166632835]
臨床実践ガイドライン(CPGs)は、医療領域における最先端の研究成果を医療従事者と共有するための最前線の方法論です。しかし、多くのCPGから関連する知識を抽出することは、すでに負担のかかる医療専門家には実現できません。本研究は, CPGから知識を抽出し, ギャップを減らし, 最新の研究成果を臨床実践に転換する手法を提案する。
論文参考訳（メタデータ） (2020-12-10T07:23:02Z)

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。