論文の概要: Deep learning and MCMC with aggVAE for shifting administrative boundaries: mapping malaria prevalence in Kenya

• arxiv url: http://arxiv.org/abs/2305.19779v1
• Date: Wed, 31 May 2023 12:12:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-01 16:51:16.158933
• Title: Deep learning and MCMC with aggVAE for shifting administrative boundaries: mapping malaria prevalence in Kenya
• Title（参考訳）: aggVAEを用いた深層学習とMCMCによる行政境界の変化--ケニアにおけるマラリア流行のマッピング
• Authors: Elizaveta Semenova, Swapnil Mishra, Samir Bhatt, Seth Flaxman, H Juliette T Unwin
• Abstract要約: 本稿では, 深部生成モデルと完全ベイズ推論を組み合わせた方法論を用いて, 新しく, 実用的で, 実装が容易な解を提案する。 我々は、ケニアにおけるマラリアの流行を地図化するために、小地域における空間的先行をエンコードできるPreferVAEの最近の研究に基づいて構築する。 連続した先行データの集合に基づくアダルデータに対して、フレキシブルで適切なモデルを使用することが可能であることを実証する。
• 参考スコア（独自算出の注目度）: 1.9599274203282302
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Model-based disease mapping remains a fundamental policy-informing tool in public health and disease surveillance with hierarchical Bayesian models being the current state-of-the-art approach. When working with areal data, e.g. aggregates at the administrative unit level such as district or province, routinely used models rely on the adjacency structure of areal units to account for spatial correlations. The goal of disease surveillance systems is to track disease outcomes over time, but this provides challenging in situations of crises, such as political changes, leading to changes of administrative boundaries. Kenya is an example of such country. Moreover, adjacency-based approach ignores the continuous nature of spatial processes and cannot solve the change-of-support problem, i.e. when administrative boundaries change. We present a novel, practical, and easy to implement solution relying on a methodology combining deep generative modelling and fully Bayesian inference. We build on the recent work of PriorVAE able to encode spatial priors over small areas with variational autoencoders, to map malaria prevalence in Kenya. We solve the change-of-support problem arising from Kenya changing its district boundaries in 2010. We draw realisations of the Gaussian Process (GP) prior over a fine artificial spatial grid representing continuous space and then aggregate these realisations to the level of administrative boundaries. The aggregated values are then encoded using the PriorVAE technique. The trained priors (aggVAE) are then used at the inference stage instead of the GP priors within a Markov chain Monte Carlo (MCMC) scheme. We demonstrate that it is possible to use the flexible and appropriate model for areal data based on aggregation of continuous priors, and that inference is orders of magnitude faster when using aggVAE than combining the original GP priors and the aggregation step.
• Abstract（参考訳）: モデルに基づく疾病マッピングは、現在の最先端のアプローチである階層ベイズモデルを用いた、公衆衛生と疾病監視における基本的なポリシーインフォーメーションツールである。 地域や州などの行政単位レベルでアラルデータを扱う場合、日常的に使用されるモデルは、空間的相関を考慮するためにアラル単位の隣接構造に依存する。 疾病監視システムの目標は、経時的に病気の結果を追跡することであるが、これは政治的変化のような危機の状況において困難をもたらし、行政の境界の変更につながる。 ケニアはそのような国の例です。 さらに、隣接性に基づくアプローチは空間過程の連続的な性質を無視し、行政境界が変化しても支持の変化を解決できない。 本稿では,深層生成モデルと完全ベイズ推論を組み合わせた手法を用いて,新しい,実用的で実装が容易な解を提案する。 我々は,ケニアでマラリアの発生率を地図化するために,変異型オートエンコーダを用いた小領域の空間前駆体をエンコードできるpriorvaeの最近の研究に基づいて構築した。 ケニアが2010年に地域境界を変更したことによる支援の変化を解決する。 我々は,連続空間を表す微細な人工空間グリッドの上にガウス過程(gp)を事前に実現し,それらの実現を管理境界のレベルに集約する。 集約された値は priorvae テクニックでエンコードされる。 訓練された前駆体(aggvae)は、マルコフ連鎖モンテカルロ(mcmc)スキーム内のgp前駆体の代わりに推論段階で使用される。 そこで本研究では,連続前置詞の集約に基づく対象データに対して柔軟かつ適切なモデルを用いることが可能であり,元gp前置詞と集計ステップを組み合わせるよりも,agvaeを用いた場合の推論は桁違いに高速であることを示す。

関連論文リスト

• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• Decision Mamba: A Multi-Grained State Space Model with Self-Evolution Regularization for Offline RL [57.202733701029594]
  決定マンバ(Decision Mamba)は、自己進化的な政策学習戦略を持つ、新しい多粒状態空間モデルである。 雑音性軌道上における過度に適合する問題を緩和するために,進行正則化を用いて自己進化政策を提案する。 この政策は、自身の過去の知識を用いて、準最適動作を洗練させ、ノイズの多い実演における堅牢性を高めることで進化する。
  論文  参考訳（メタデータ） (2024-06-08T10:12:00Z)
• Class Attention to Regions of Lesion for Imbalanced Medical Image Recognition [59.28732531600606]
  データ不均衡問題に対処するため,textbfClass textbfAttention to textbfRegions of the lesion (CARE)を提案する。 CAREフレームワークは、まれな疾患の病変領域を表すために、バウンディングボックスを必要とする。 その結果,自動バウンディングボックス生成によるCARE変種は,オリジナルのCAREフレームワークに匹敵することがわかった。
  論文  参考訳（メタデータ） (2023-07-19T15:19:02Z)
• Dynamics-informed deconvolutional neural networks for super-resolution identification of regime changes in epidemiological time series [0.0]
  本研究は, 物理インフォームド・畳み込みニューラルネットワークを逆向きに開発し, 死亡記録と入射を関連づける。 このアプローチは、ロックダウンやその他の薬品以外の介入の実装と除去を、1年間に0.93日間の精度で特定することができる。
  論文  参考訳（メタデータ） (2022-09-16T09:02:55Z)
• Towards a Unified Pandemic Management Architecture: Survey, Challenges and Future Directions [1.1470070927586016]
  SARS-CoV-2は、世界中の健康、経済、社会に前例のない影響を与えている。 疫学、臨床、生理学のデータを収集し、緩和策について決定を下そうとしている。 IoT(Internet of Things)とエッジコンピューティングの進歩は、データ収集とインテリジェントな計算を通じて、パンデミック管理のためのソリューションを提供する。 我々は、IoTとエッジコンピューティングを活用する統一的なパンデミック管理アーキテクチャを構想し、ワクチン配布、動的ロックダウン、移動スケジューリング、パンデミック予測の推奨を自動化する。
  論文  参考訳（メタデータ） (2022-02-04T02:01:02Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Efficient Learning and Decoding of the Continuous-Time Hidden Markov Model for Disease Progression Modeling [119.50438407358862]
  本稿では,CT-HMMモデルに対する効率的なEMベースの学習手法の完全な特徴付けについて述べる。 EMに基づく学習は、後状態確率の推定と、状態条件付き統計量の計算という2つの課題から成り立っていることを示す。 緑内障データセットとアルツハイマー病データセットを用いて,100以上の状態のCT-HMMを用いて疾患進行の可視化と予測を行う。
  論文  参考訳（メタデータ） (2021-10-26T20:06:05Z)
• Deep Joint Learning of Pathological Region Localization and Alzheimer's Disease Diagnosis [4.5484714814315685]
  BrainBagNetは、病理領域の局在とアルツハイマー病の診断を共同で学習するためのフレームワークである。 提案手法は、全脳MRI画像からのパッチレベル応答と位置情報からの識別的脳領域を示す。 5倍のクロスバリデーションにおいて,提案手法の分類性能は,AD診断および軽度認知障害予測タスクにおいて,最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-08-10T10:06:54Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)

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。