論文の概要: HTPS: Heterogeneous Transferring Prediction System for Healthcare
Datasets
- arxiv url: http://arxiv.org/abs/2305.01252v1
- Date: Tue, 2 May 2023 08:31:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 15:06:36.017680
- Title: HTPS: Heterogeneous Transferring Prediction System for Healthcare
Datasets
- Title(参考訳): HTPS:医療データセットの不均一転送予測システム
- Authors: Jia-Hao Syu and Jerry Chun-Wei Lin and Marcin Fojcik and Rafa{\l}
Cupek
- Abstract要約: 異種データセットから知識を伝達するヘテロジニアス転送予測システム(HTPS)を提案する。
実験の結果,提案したHTPSは,様々な予測タスクやデータセット上でベンチマークシステムより優れていた。
- 参考スコア(独自算出の注目度): 9.506777120480878
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical internet of things leads to revolutionary improvements in medical
services, also known as smart healthcare. With the big healthcare data, data
mining and machine learning can assist wellness management and intelligent
diagnosis, and achieve the P4-medicine. However, healthcare data has high
sparsity and heterogeneity. In this paper, we propose a Heterogeneous
Transferring Prediction System (HTPS). Feature engineering mechanism transforms
the dataset into sparse and dense feature matrices, and autoencoders in the
embedding networks not only embed features but also transfer knowledge from
heterogeneous datasets. Experimental results show that the proposed HTPS
outperforms the benchmark systems on various prediction tasks and datasets, and
ablation studies present the effectiveness of each designed mechanism.
Experimental results demonstrate the negative impact of heterogeneous data on
benchmark systems and the high transferability of the proposed HTPS.
- Abstract(参考訳): 医療のインターネットは、スマートヘルスケアとして知られる医療サービスの革命的な改善につながる。
ビッグデータによって、データマイニングと機械学習は、ウェルネス管理とインテリジェントな診断を支援し、P4医療を実現する。
しかし、医療データはばらつきと不均一性が高い。
本稿では,異種移動予測システム(HTPS)を提案する。
機能エンジニアリングメカニズムは、データセットをスパースかつ密度の高い特徴行列に変換し、組み込みネットワーク内のオートエンコーダは、特徴を埋め込みだけでなく、異種データセットから知識を転送する。
実験の結果,提案したHTPSは,様々な予測タスクやデータセット上でベンチマークシステムよりも優れており,アブレーション研究は各設計機構の有効性を示す。
実験により,異種データのベンチマークシステムへの影響と提案したHTPSの高転送性を示す。
関連論文リスト
- MMed-RAG: Versatile Multimodal RAG System for Medical Vision Language Models [49.765466293296186]
近年,Med-LVLM (Med-LVLMs) の進歩により,対話型診断ツールの新たな可能性が高まっている。
Med-LVLMは、しばしば事実の幻覚に悩まされ、誤った診断につながることがある。
我々は,Med-LVLMの現実性を高めるために,多目的マルチモーダルRAGシステムMMed-RAGを提案する。
論文 参考訳(メタデータ) (2024-10-16T23:03:27Z) - Privacy-Preserving SAM Quantization for Efficient Edge Intelligence in Healthcare [9.381558154295012]
Segment Anything Model (SAM) はインテリジェントなイメージセグメンテーションに優れている。
SAMはリソース制限されたエッジデバイスにデプロイする上で大きな課題となる。
本研究では,原データなしで量子化パラメータを学習・校正する DFQ-SAM という,SAM のためのデータフリー量子化フレームワークを提案する。
論文 参考訳(メタデータ) (2024-09-14T10:43:35Z) - Zero Shot Health Trajectory Prediction Using Transformer [11.660997334071952]
ETHOS(Enhanced Transformer for Health Outcome Simulation)は、健康データ解析のためのトランスフォーマーディープラーニングアーキテクチャの新しい応用である。
ETHOSは、将来の健康軌道を予測するために、患者健康時間線(PHT)の詳細とトークン化された健康イベントの記録を使用して訓練されている。
論文 参考訳(メタデータ) (2024-07-30T18:33:05Z) - Physical formula enhanced multi-task learning for pharmacokinetics prediction [54.13787789006417]
AIによる薬物発見の大きな課題は、高品質なデータの不足である。
薬物動態の4つの重要なパラメータを同時に予測するPEMAL法を開発した。
実験の結果,PEMALは一般的なグラフニューラルネットワークに比べてデータ需要を著しく低減することがわかった。
論文 参考訳(メタデータ) (2024-04-16T07:42:55Z) - Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。
ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。
HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。
最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文 参考訳(メタデータ) (2024-01-22T03:17:41Z) - Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。
PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。
提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2023-09-27T14:39:41Z) - Amplifying Pathological Detection in EEG Signaling Pathways through
Cross-Dataset Transfer Learning [10.212217551908525]
実世界の病理分類課題におけるデータとモデルスケーリングとデータセット間の知識伝達の有効性について検討する。
ネガティブトランスファーの可能性の課題を特定し、いくつかの重要なコンポーネントの重要性を強調する。
以上の結果から,小規模で汎用的なモデル(ShallowNetなど)は単一データセット上では良好に動作するが,大規模なモデル(TCNなど)では,大規模かつ多様なデータセットからの転送や学習がより優れていることが示唆された。
論文 参考訳(メタデータ) (2023-09-19T20:09:15Z) - Data Augmentation with GAN increases the Performance of Arrhythmia
Classification for an Unbalanced Dataset [0.0]
データ不足は、機械学習の分野で大きな問題の1つだ。
本研究では,MIT-BIH Arrhythmia Databaseを用いて新しいECG信号を生成する。
これらの生成されたデータは、機械学習システムと実際のECGデータをテストするために使用される。
論文 参考訳(メタデータ) (2023-02-24T16:47:10Z) - Random Data Augmentation based Enhancement: A Generalized Enhancement
Approach for Medical Datasets [8.844562557753399]
本稿では、DLの医療データ品質を改善するために、一般化された、データに依存しない、効率的な拡張手法を開発する。
画質は、画像の明るさとコントラストを改善することで向上する。
新型コロナウイルスの胸部X線、KiTS19、LC25000データセットによるRGB画像の実験が実施されている。
論文 参考訳(メタデータ) (2022-10-03T11:16:22Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳(メタデータ) (2022-07-20T07:32:02Z) - Label scarcity in biomedicine: Data-rich latent factor discovery
enhances phenotype prediction [102.23901690661916]
低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。
半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
論文 参考訳(メタデータ) (2021-10-12T16:25:50Z)
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。