Fugu-MT 論文翻訳(概要): Interpreting deep embeddings for disease progression clustering

論文の概要: Interpreting deep embeddings for disease progression clustering

arxiv url: http://arxiv.org/abs/2307.06060v2
Date: Mon, 31 Jul 2023 17:08:22 GMT
ステータス: 処理完了
システム内更新日: 2023-08-01 20:24:42.563245
Title: Interpreting deep embeddings for disease progression clustering
Title（参考訳）: 病状進行クラスタリングのための深層埋め込みの解釈
Authors: Anna Munoz-Farre, Antonios Poulakakis-Daktylidis, Dilini Mahesha Kothalawala, Andrea Rodriguez-Martinez
Abstract要約: 本稿では,患者クラスタリングにおける深層埋め込みの解釈手法を提案する。本研究は,英国バイオバンクの2型糖尿病患者のデータセットに対するアプローチを評価し,疾患進行パターンに関する臨床的意義を実証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a novel approach for interpreting deep embeddings in the context of patient clustering. We evaluate our approach on a dataset of participants with type 2 diabetes from the UK Biobank, and demonstrate clinically meaningful insights into disease progression patterns.
Abstract（参考訳）: 本稿では,患者クラスタリングにおける深層埋め込みの解釈手法を提案する。本研究は,英国バイオバンクの2型糖尿病患者のデータセットに対するアプローチを評価し,疾患進行パターンに関する臨床的意義を示す。

関連論文リスト

CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients [57.31670527557228]
本稿では,レプロシー患者のRGB創傷画像の拡張コレクションであるCO2Wounds-V2データセットについて紹介する。医療分野における画像処理アルゴリズムの開発とテストを強化することを目的としている。
論文参考訳（メタデータ） (2024-08-20T13:21:57Z)
Semi-Supervised Generative Models for Disease Trajectories: A Case Study on Systemic Sclerosis [0.04057716989497714]
複雑な疾患の軌跡をモデル化し, 全体解析するために, 潜時過程を用いた深部生成手法を提案する。全身性硬化症の特徴の医学的定義と生成的アプローチを組み合わせることで,新たな疾患の発見が容易になる。本研究は, SSc患者軌跡を新たなサブタイプに分類するなど, さらにデータ分析や臨床仮説の検証に, 学習時潜伏過程を活用できることを示唆する。
論文参考訳（メタデータ） (2024-07-16T06:45:27Z)
TACCO: Task-guided Co-clustering of Clinical Concepts and Patient Visits for Disease Subtyping based on EHR Data [42.96821770394798]
TACCOは、EMHデータのハイパーグラフモデリングに基づいて、臨床概念と患者訪問のクラスターを共同で発見する新しいフレームワークである。我々は,表現型分類と心血管リスク予測の下流臨床課題に対して,公共MIMIC-IIIデータセットとエモリー内部CRADLEデータセットを用いて実験を行った。深層モデル解析,クラスタリング結果解析,臨床ケーススタディは,TACCOが提供した改良されたユーティリティと洞察に富んだ解釈をさらに検証する。
論文参考訳（メタデータ） (2024-06-14T14:18:38Z)
Data-driven subgrouping of patient trajectories with chronic diseases: Evidence from low back pain [18.837597864085865]
本稿では,慢性疾患からの患者軌跡を分類するための隠れマルコフモデルを提案する。我々のモデルは確率的であり、慢性疾患の異なる軌跡を捉えるために慎重に設計されている。我々のサブグループ化フレームワークはクラスタ妥当性指標の点で共通ベースラインを上回っていることを示す。
論文参考訳（メタデータ） (2024-04-16T14:05:29Z)
Federated unsupervised random forest for privacy-preserving patient stratification [0.4499833362998487]
教師なしランダムフォレストを用いた新しいマルチオミクスクラスタリング手法を提案する。我々は、機械学習ベンチマークデータセットとThe Cancer Genome Atlasのがんデータに対するアプローチを検証する。本手法は病気のサブタイプに関して最先端の手法と競合するが,同時にクラスタの解釈可能性も大幅に向上する。
論文参考訳（メタデータ） (2024-01-29T12:04:14Z)
Predicting COVID-19 and pneumonia complications from admission texts [101.28793285063904]
入院報告に基づき,肺炎やCOVID-19に罹患した患者に対するリスクアセスメントの新たなアプローチを提案する。入院直後の入院報告などのテキストデータにLongformerニューラルネットワークを適用し,リスクスコアを算出した。
論文参考訳（メタデータ） (2023-05-05T16:28:44Z)
Enriching Unsupervised User Embedding via Medical Concepts [51.17532619610099]
教師なしのユーザ埋め込みは、患者を人間の監督なしに、固定長のベクターにエンコードすることを目的としている。臨床ノートから抽出された医療概念は、患者とその臨床カテゴリ間の豊富な関係を含んでいる。本稿では,2つの臨床コーパスからテキスト文書と医療概念を共同で活用する,非教師なしユーザ埋め込みを提案する。
論文参考訳（メタデータ） (2022-03-20T18:54:05Z)
Deep Semi-Supervised Embedded Clustering (DSEC) for Stratification of Heart Failure Patients [50.48904066814385]
本研究では、深層半教師付き組込みクラスタリングを用いて、心不全のデータ駆動型患者サブグループを決定する。ヘテロジニアスデータから得られた組込み空間から臨床関連クラスタを見出した。提案アルゴリズムは、異なる結果を持つ患者の新たな未診断サブグループを見つけることができる。
論文参考訳（メタデータ） (2020-12-24T12:56:46Z)
Temporal Phenotyping using Deep Predictive Clustering of Disease Progression [97.88605060346455]
我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。 2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
論文参考訳（メタデータ） (2020-06-15T20:48:43Z)
Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。感染発生率の低減に向けた意思決定を支援することを目的とする。
論文参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。