論文の概要: Self-supervised learning based general laboratory progress pretrained
model for cardiovascular event detection
- arxiv url: http://arxiv.org/abs/2303.06980v3
- Date: Wed, 23 Aug 2023 02:11:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-24 18:30:08.129404
- Title: Self-supervised learning based general laboratory progress pretrained
model for cardiovascular event detection
- Title（参考訳）: 自己教師付き学習に基づく心血管イベント検出のための総合臨床進歩訓練モデル
- Authors: Li-Chin Chen, Kuo-Hsuan Hung, Yi-Ju Tseng, Hsin-Yao Wang, Tse-Min Lu,
Wei-Chieh Huang, Yu Tsao
- Abstract要約: 本研究は,一般実験室進歩(GLP)モデルを事前訓練するために,自己教師付き学習(SSL)を用いた。
GLP処理後、この分類は顕著な向上を示し、平均精度は0.63から0.90まで上昇した。
- 参考スコア（独自算出の注目度）: 15.892535809911644
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The inherent nature of patient data poses several challenges. Prevalent cases
amass substantial longitudinal data owing to their patient volume and
consistent follow-ups, however, longitudinal laboratory data are renowned for
their irregularity, temporality, absenteeism, and sparsity; In contrast,
recruitment for rare or specific cases is often constrained due to their
limited patient size and episodic observations. This study employed
self-supervised learning (SSL) to pretrain a generalized laboratory progress
(GLP) model that captures the overall progression of six common laboratory
markers in prevalent cardiovascular cases, with the intention of transferring
this knowledge to aid in the detection of specific cardiovascular event. GLP
implemented a two-stage training approach, leveraging the information embedded
within interpolated data and amplify the performance of SSL. After GLP
pretraining, it is transferred for TVR detection. The proposed two-stage
training improved the performance of pure SSL, and the transferability of GLP
exhibited distinctiveness. After GLP processing, the classification exhibited a
notable enhancement, with averaged accuracy rising from 0.63 to 0.90. All
evaluated metrics demonstrated substantial superiority (p < 0.01) compared to
prior GLP processing. Our study effectively engages in translational
engineering by transferring patient progression of cardiovascular laboratory
parameters from one patient group to another, transcending the limitations of
data availability. The transferability of disease progression optimized the
strategies of examinations and treatments, and improves patient prognosis while
using commonly available laboratory parameters. The potential for expanding
this approach to encompass other diseases holds great promise.
- Abstract（参考訳）: 患者データの本質的な性質にはいくつかの課題がある。
有意な症例は, 患者の容積や経過の整合性から, 経時的, 時間的, 欠失, 空間的不規則さで知られているが, 稀な症例や特定の症例の募集は, 患者の大きさやエピソード的観察が限られているため, しばしば制限される。
本研究は、一般実験室進行(GLP)モデルを事前訓練するために、自己教師学習(SSL)を用いて、心臓血管疾患における6つの一般的な実験室マーカーの全般的な進歩を捉え、この知識を特定の心血管イベントの検出に役立てることを目的としている。
GLPは2段階のトレーニングアプローチを実装し、補間データに埋め込まれた情報を活用し、SSLのパフォーマンスを増幅した。
GLP予備訓練後、TVR検出のために転送される。
提案した2段階のトレーニングにより、純粋なSSLの性能が向上し、GLPの転送性は特異性を示した。
glp処理後、分類は顕著な向上を示し、平均精度は 0.63 から 0.90 に上昇した。
その結果, 従来のGLP処理と比較して有意な優位性を示した(p < 0.01)。
本研究は、ある患者群から別の患者群へ心臓血管検査パラメータの患者進行を移し、データ可用性の限界を超越することで、翻訳工学を効果的に行う。
疾患進展の移管性は検査と治療の戦略を最適化し、一般に利用可能な検査パラメータを用いて患者の予後を改善する。
このアプローチを他の病気にまで拡張する可能性は非常に有望です。
関連論文リスト
- An Oversampling-enhanced Multi-class Imbalanced Classification Framework for Patient Health Status Prediction Using Patient-reported Outcomes [6.075416560330067]
放射線治療を受けたがん患者から直接収集された患者報告結果(PROs)は、臨床医が潜在的毒性について助言する患者を支援する上で重要な役割を担っている。
本稿では,がん光子・プロトン療法センターのproBoostを用いて,健康状態に関連する患者の予後を予測するためのさまざまな機械学習手法について検討する。
論文 参考訳（メタデータ） (2024-11-16T14:54:18Z) - Automatic Prediction of Amyotrophic Lateral Sclerosis Progression using Longitudinal Speech Transformer [56.17737749551133]
ニューラルネットワークを用いたALS病進行自動予測器であるALS長手音声変換器(ALST)を提案する。
録音における高品質な事前訓練音声特徴と長手情報を活用することで、最良のモデルが91.0%のAUCを達成できる。
ALSTはALS進行の細粒度で解釈可能な予測が可能で、特に稀な症例と重篤な症例の区別が可能である。
論文 参考訳（メタデータ） (2024-06-26T13:28:24Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Leveraging Federated Learning for Automatic Detection of Clopidogrel
Treatment Failures [0.8132630541462695]
本研究では,クロピドッグレル処理障害検出のためのフェデレーション学習戦略を活用する。
地理的中心に基づいてデータを分割し,フェデレート学習の性能を評価した。
クロピドッグレル治療障害検出におけるフェデレート学習の可能性について検討した。
論文 参考訳（メタデータ） (2024-03-05T23:31:07Z) - Binary Gaussian Copula Synthesis: A Novel Data Augmentation Technique to
Advance ML-based Clinical Decision Support Systems for Early Prediction of
Dialysis Among CKD Patients [4.80104397397529]
アメリカ疾病管理センターは、米国成人3700万人以上が慢性腎臓病(CKD)を患っていると推定している。
このうち10人のうち9人は、早期に症状がないことから、自分の状態に気付いていない。
透析の早期予測は、患者の結果を大幅に改善できるため、重要である。
論文 参考訳（メタデータ） (2024-03-01T20:32:17Z) - Event-Based Contrastive Learning for Medical Time Series [11.696805672885798]
Event-Based Contrastive Learning (EBCL) は異種患者データの埋め込みを学習する手法である。
EBCLが重要な下流タスクの性能向上をもたらすモデルを構築するのに利用できることを示す。
論文 参考訳（メタデータ） (2023-12-16T03:50:24Z) - Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。
医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。
外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
論文 参考訳（メタデータ） (2022-07-01T14:17:11Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Longitudinal modeling of MS patient trajectories improves predictions of
disability progression [2.117653457384462]
本研究は, 実世界の患者データから情報を最適に抽出する作業に対処する。
本研究では,患者軌跡モデリングに適した機械学習手法を用いることで,患者の障害進行を2年間の地平線で予測できることを示す。
文献で利用可能なモデルと比較して、この研究はMS病の進行予測に最も完全な患者履歴を使用する。
論文 参考訳（メタデータ） (2020-11-09T20:48:00Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。