論文の概要: PIKS: A Technique to Identify Actionable Trends for Policy-Makers
Through Open Healthcare Data
- arxiv url: http://arxiv.org/abs/2304.02208v1
- Date: Wed, 5 Apr 2023 03:45:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 13:38:51.536629
- Title: PIKS: A Technique to Identify Actionable Trends for Policy-Makers
Through Open Healthcare Data
- Title（参考訳）: PIKS:オープンヘルスケアデータによる政策立案者の行動可能なトレンドの特定手法
- Authors: A. Ravishankar Rao, Subrata Garai, Soumyabrata Dey, Hang Peng
- Abstract要約: 公衆衛生における主な関心事は、トレンドの迅速な識別と分析、および外れ値の検出である。
本稿では,k-meansアルゴリズムとpruned searchlightベースのスキャンを組み合わせた,PIKSと呼ばれる効率的な外乱検出手法を提案する。
自殺率,免疫障害,社会的入院,心筋症,妊娠3年目には不妊症がみられた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With calls for increasing transparency, governments are releasing greater
amounts of data in multiple domains including finance, education and
healthcare. The efficient exploratory analysis of healthcare data constitutes a
significant challenge. Key concerns in public health include the quick
identification and analysis of trends, and the detection of outliers. This
allows policies to be rapidly adapted to changing circumstances. We present an
efficient outlier detection technique, termed PIKS (Pruned iterative-k means
searchlight), which combines an iterative k-means algorithm with a pruned
searchlight based scan. We apply this technique to identify outliers in two
publicly available healthcare datasets from the New York Statewide Planning and
Research Cooperative System, and California's Office of Statewide Health
Planning and Development. We provide a comparison of our technique with three
other existing outlier detection techniques, consisting of auto-encoders,
isolation forests and feature bagging. We identified outliers in conditions
including suicide rates, immunity disorders, social admissions,
cardiomyopathies, and pregnancy in the third trimester. We demonstrate that the
PIKS technique produces results consistent with other techniques such as the
auto-encoder. However, the auto-encoder needs to be trained, which requires
several parameters to be tuned. In comparison, the PIKS technique has far fewer
parameters to tune. This makes it advantageous for fast, "out-of-the-box" data
exploration. The PIKS technique is scalable and can readily ingest new
datasets. Hence, it can provide valuable, up-to-date insights to citizens,
patients and policy-makers. We have made our code open source, and with the
availability of open data, other researchers can easily reproduce and extend
our work. This will help promote a deeper understanding of healthcare policies
and public health issues.
- Abstract（参考訳）: 透明性向上を求める声が高まる中、政府は金融、教育、医療など複数の分野に大量のデータを公開している。
医療データの効率的な探索分析は重要な課題である。
公衆衛生における主な関心事は、トレンドの迅速な識別と分析、および外れ値の検出である。
これにより、政策は変化する状況に迅速に適応できる。
本稿では,反復k-meansアルゴリズムとpruned searchlight based scanを組み合わせた,pik(pruned iterative-k means searchlight)と呼ばれる効率的な異常検出手法を提案する。
この手法を応用して、ニューヨーク州全体計画研究協同システムとカリフォルニア州全体医療計画開発局の2つの医療データセットの異常者を特定する。
提案手法は, オートエンコーダ, 孤立林, 特徴袋など, 既存の3つの異常検出手法との比較を行った。
自殺率,免疫障害,社会的入院,心筋症,妊娠3年目には不妊症が認められた。
PIKS技術はオートエンコーダなどの他の手法と一致した結果が得られることを示す。
しかし、オートエンコーダをトレーニングする必要があるため、いくつかのパラメータをチューニングする必要がある。
対照的に、PIKS技術はチューニングするパラメータがはるかに少ない。
これにより、高速で"アウト・オブ・ボックス"なデータ探索にメリットがある。
PIKSテクニックはスケーラブルで、簡単に新しいデータセットを取り込みます。
したがって、市民、患者、政策立案者に価値ある最新の洞察を提供することができる。
私たちはコードをオープンソースにし、オープンデータを利用できるようにすることで、他の研究者も簡単に私たちの仕事を再現し、拡張することができます。
これにより、医療政策や公衆衛生問題に対する深い理解が促進される。
関連論文リスト
- Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - Balancing Privacy and Progress in Artificial Intelligence: Anonymization
in Histopathology for Biomedical Research and Education [1.8078387709049526]
医療データを“可能な限りオープン”に転送することは、患者のプライバシにリスクをもたらす。
既存の規制は、再識別リスクを避けるため、医療データを「必要に応じてクローズド」し続けるよう推進している。
本稿では,医療データ共有に関する法的規制と用語について考察する。
論文 参考訳（メタデータ） (2023-07-18T16:53:07Z) - A system for exploring big data: an iterative k-means searchlight for
outlier detection on open health data [0.4588028371034407]
本稿では,サーチライト手法を用いて複数の変数の組み合わせを探索し,外乱を識別するシステムを提案する。
ニューヨーク州が公開しているオープンヘルスデータを分析して,本システムについて解説する。
特定の病院での費用オーバーランや、自殺などの診断の増加など、データの異常な傾向が特定されている。
論文 参考訳（メタデータ） (2023-04-05T02:09:15Z) - Advanced Data Augmentation Approaches: A Comprehensive Survey and Future
directions [57.30984060215482]
データ拡張の背景、レビューされたデータ拡張技術の新しい包括的分類法、および各技術の強さと弱点(可能ならば)を提供する。
また、画像分類、オブジェクト検出、セマンティックセグメンテーションなどの3つの一般的なコンピュータビジョンタスクに対して、データ拡張効果の総合的な結果を提供する。
論文 参考訳（メタデータ） (2023-01-07T11:37:32Z) - Non-Imaging Medical Data Synthesis for Trustworthy AI: A Comprehensive
Survey [6.277848092408045]
データ品質は、医療において信頼できるAIを開発する上で重要な要素である。
高品質なデータセットへのアクセスは、データ取得の技術的困難によって制限される。
医療データの大規模な共有は、厳格な倫理的制約によって妨げられている。
論文 参考訳（メタデータ） (2022-09-17T13:34:17Z) - Impact of the composition of feature extraction and class sampling in
medicare fraud detection [3.6016022712620095]
本研究では,医療・医療サービスセンターが「医療部品D」保険請求書を公表し,不正検知システムの開発に利用した。
そこで本研究では,特徴抽出手法としてオートエンコーダ,データサンプリング手法として合成マイノリティ・オーバーサンプリング手法(SMOTE),および分類アルゴリズムとして勾配向上決定木に基づく分類器を適用した。
論文 参考訳（メタデータ） (2022-06-03T06:57:08Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳（メタデータ） (2022-03-24T02:09:41Z) - FedMed-ATL: Misaligned Unpaired Brain Image Synthesis via Affine
Transform Loss [58.58979566599889]
脳画像合成のための新しい自己教師型学習(FedMed)を提案する。
アフィン変換損失(ATL)は、プライバシー法に違反することなく、ひどく歪んだ画像を使用するように定式化された。
提案手法は, 極めて不整合かつ不整合なデータ設定下での合成結果の品質の両方において, 高度な性能を示す。
論文 参考訳（メタデータ） (2022-01-29T13:45:39Z) - A2Log: Attentive Augmented Log Anomaly Detection [53.06341151551106]
異常検出は、ITサービスの信頼性とサービス性にとってますます重要になる。
既存の教師なし手法は、適切な決定境界を得るために異常な例を必要とする。
我々は,異常判定と異常判定の2段階からなる教師なし異常検出手法であるA2Logを開発した。
論文 参考訳（メタデータ） (2021-09-20T13:40:21Z) - FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
新型コロナウイルスの感染拡大で医療資源が不足している。
新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。
患者のプライバシー上の懸念から、データそのものはまだ乏しい。
我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
論文 参考訳（メタデータ） (2021-02-10T01:56:58Z) - Privacy-preserving Artificial Intelligence Techniques in Biomedicine [3.908261721108553]
機密データに基づくAIモデルのトレーニングは、個々の参加者のプライバシに関する懸念を提起する。
本稿では,生物医学におけるプライバシ保存型AI技術の進歩について概説する。
最も重要な最先端のアプローチを統一された分類分野に配置し、その強み、限界、オープンな問題について議論する。
論文 参考訳（メタデータ） (2020-07-22T18:35:55Z)
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。