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/2305.19779v2
• Date: Wed, 12 Jul 2023 16:13:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-13 19:07:43.591452
• 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,変異型オートエンコーダを用いた小領域における空間的先行情報をエンコードできる,最近提案されたPreferVAE法に基づいて構築した。
• 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. Hierarchical Bayesian models have become the state-of-the-art approach for disease mapping since they are able to capture structure in the data, as well as to characterise uncertainty. 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. This task provides challenging in situations of crises, such as political changes, leading to changes of administrative boundaries. Kenya is an example of a country where change of boundaries took place in 2010. Moreover, the adjacency-based approach ignores the continuous nature of spatial processes and cannot solve the change-of-support problem, i.e.~when administrative boundaries change or when estimates must be produced at a different administrative level. 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 recently proposed PriorVAE method able to encode spatial priors over small areas with variational autoencoders, to map malaria prevalence in Kenya.
• Abstract（参考訳）: モデルに基づく疾病マッピングは、公衆衛生と疾病監視における基本的なポリシー形成ツールである。 階層ベイズモデルは、データの構造を捉え、不確実性を特徴づけることができ、病気マッピングの最先端のアプローチとなっている。 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している。 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。 このタスクは、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2010年に国境変更が行われた国の一例である。 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、管理境界が変更された場合や、異なる行政レベルで見積もりが作成されなければならない場合など、支持の変化を解決できない。 提案手法は,ケニアのマラリア有病率を地図化するために,多変量オートエンコーダを持つ小領域の空間的先行情報をエンコードできるPreferVAE法を最近提案した。

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。