論文の概要: Investigating a domain adaptation approach for integrating different measurement instruments in a longitudinal clinical registry

• arxiv url: http://arxiv.org/abs/2312.00616v1
• Date: Fri, 1 Dec 2023 14:28:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 14:20:40.461890
• Title: Investigating a domain adaptation approach for integrating different measurement instruments in a longitudinal clinical registry
• Title（参考訳）: 縦断的臨床登録簿における異なる計測機器の統合のためのドメイン適応手法の検討
• Authors: Maren Hackenberg, Michelle Pfaffenlehner, Max Behrens, Astrid Pechmann, Janbernd Kirschner, Harald Binder
• Abstract要約: 本稿では,共同潜在表現を得るための深層学習手法について検討する。 これは、画像データのためのコンピュータ科学において確立された概念であるドメイン適応に対応している。 ドメイン適応は, 時系列レジストリデータの統計的モデリングにおいて, より一般的に有用である可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In a longitudinal clinical registry, different measurement instruments might have been used for assessing individuals at different time points. To combine them, we investigate deep learning techniques for obtaining a joint latent representation, to which the items of different measurement instruments are mapped. This corresponds to domain adaptation, an established concept in computer science for image data. Using the proposed approach as an example, we evaluate the potential of domain adaptation in a longitudinal cohort setting with a rather small number of time points, motivated by an application with different motor function measurement instruments in a registry of spinal muscular atrophy (SMA) patients. There, we model trajectories in the latent representation by ordinary differential equations (ODEs), where person-specific ODE parameters are inferred from baseline characteristics. The goodness of fit and complexity of the ODE solutions then allows to judge the measurement instrument mappings. We subsequently explore how alignment can be improved by incorporating corresponding penalty terms into model fitting. To systematically investigate the effect of differences between measurement instruments, we consider several scenarios based on modified SMA data, including scenarios where a mapping should be feasible in principle and scenarios where no perfect mapping is available. While misalignment increases in more complex scenarios, some structure is still recovered, even if the availability of measurement instruments depends on patient state. A reasonable mapping is feasible also in the more complex real SMA dataset. These results indicate that domain adaptation might be more generally useful in statistical modeling for longitudinal registry data.
• Abstract（参考訳）: 長期臨床登録では、異なる時点の個人を評価するために異なる測定装置が使用された可能性がある。 これらを組み合わせるために,異なる測定器の項目をマッピングするジョイント潜在表現を得るための深層学習手法について検討した。 これは画像データのためのコンピュータサイエンスにおける確立された概念であるドメイン適応に対応する。 提案手法を例に,脊髄筋萎縮症(sma)患者の登録簿における運動機能計測器の異なる応用によって動機づけられた,比較的少ない時間点の縦型コホート設定における領域適応の可能性を評価する。 そこで,通常の微分方程式(ODE)による潜在表現の軌跡をモデル化し,基本特性から個人固有のODEパラメータを推定する。 ODEソリューションの適合性と複雑性の良さにより、測定器のマッピングを判断することができる。 次に、対応するペナルティ項をモデルフィッティングに組み込むことでアライメントを改善する方法について検討する。 測定器間の差分の影響を系統的に検討するために,修正SMAデータに基づくいくつかのシナリオを検討する。 より複雑なシナリオでは誤調整が増加するが、測定器の可用性が患者の状態に依存する場合でも、一部の構造は回復される。 より複雑な実SMAデータセットでも、合理的なマッピングが実現可能である。 これらの結果は、縦断レジストリデータの統計モデリングにおいて、ドメイン適応がより一般的に有用であることを示している。

関連論文リスト

• Meta-Learners for Partially-Identified Treatment Effects Across Multiple Environments [67.80453452949303]
  観察データから条件平均治療効果(CATE)を推定することは、パーソナライズされた医療など多くの応用に関係している。 ここでは、観測データが複数の環境からやってくる広範囲な環境に焦点を当てる。 任意の機械学習モデルと組み合わせて使用可能な境界を推定するために、異なるモデルに依存しない学習者(いわゆるメタ学習者)を提案する。
  論文  参考訳（メタデータ） (2024-06-04T16:31:43Z)
• DCID: Deep Canonical Information Decomposition [84.59396326810085]
  本稿では,2つの1次元目標変数間で共有される信号の同定について考察する。 そこで本研究では,地中トラスラベルの存在下で使用可能な評価指標であるICMを提案する。 また、共有変数を学習するための単純かつ効果的なアプローチとして、Deep Canonical Information Decomposition (DCID)を提案する。
  論文  参考訳（メタデータ） (2023-06-27T16:59:06Z)
• Personalized Longitudinal Assessment of Multiple Sclerosis Using Smartphones [9.186241234772702]
  本研究は, 欠損値を含むセンサデータを用いて, 個々の疾患軌跡を地図化するための新しい縦長モデルを構築した。 複数のトレーニングデータセットから学んだパラメータは、シンプルで統一された予測モデルを形成するためにアンサンブルされる。 その結果,提案モデルがパーソナライズされた縦断的MSアセスメントを達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-20T12:56:29Z)
• 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)
• BiometryNet: Landmark-based Fetal Biometry Estimation from Standard Ultrasound Planes [9.919499846996269]
  本稿では,胎児バイオメトリ推定のためのエンド・ツー・エンドのランドマーク回帰フレームワークであるBiometryNetについて述べる。 これには、ネットワークトレーニング中に測定固有の配向一貫性を強制する新しい動的配向決定(DOD)方法が含まれている。 本手法の有効性を検証するため, 臨床3施設で取得した1,829名の超音波画像3,398枚を, 異なる7種類の超音波装置を用いて収集した。
  論文  参考訳（メタデータ） (2022-06-29T14:32:32Z)
• Equivariance Allows Handling Multiple Nuisance Variables When Analyzing Pooled Neuroimaging Datasets [53.34152466646884]
  本稿では,構造空間上でインスタンス化された同変表現学習における最近の結果と,因果推論における古典的結果の簡易な利用が,いかに効果的に実現されたかを示す。 いくつかの仮定の下で、我々のモデルが複数のニュアンス変数を扱えることを実証し、そうでなければサンプルの大部分を取り除く必要のあるシナリオにおいて、プールされた科学データセットの分析を可能にする。
  論文  参考訳（メタデータ） (2022-03-29T04:54:06Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Unobserved classes and extra variables in high-dimensional discriminant analysis [9.467899386491204]
  教師付き分類問題では、テストセットは学習フェーズで観察されていないクラスに属するデータポイントを含むことができる。 モデルに基づく判別手法D-AMDA(Dimension-Adaptive Mixture Discriminant Analysis)を提案する。 観測されていないクラスを検出し、次元の増大に適応することができる。
  論文  参考訳（メタデータ） (2021-02-03T10:01:52Z)
• Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
  本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
  論文  参考訳（メタデータ） (2020-09-28T18:30:14Z)
• Longitudinal Variational Autoencoder [1.4680035572775534]
  不足値を含む高次元データを解析するための一般的なアプローチは、変分オートエンコーダ(VAE)を用いた低次元表現を学習することである。 標準的なVAEは、学習した表現はi.d.であり、データサンプル間の相関を捉えることができないと仮定する。 本稿では,多出力加法的ガウス過程(GP)を用いて,構造化された低次元表現を学習するVAEの能力を拡張した縦型VAE(L-VAE)を提案する。 我々の手法は時間変化の共有効果とランダム効果の両方に同時に対応でき、構造化された低次元表現を生成する。
  論文  参考訳（メタデータ） (2020-06-17T10:30:14Z)
• Progressively-Growing AmbientGANs For Learning Stochastic Object Models From Imaging Measurements [14.501812971529137]
  医療画像システムの客観的な最適化には、測定データ中のランダム性のすべての源をフルに評価する必要がある。 本稿では,オブジェクトのクラスにおける変数を記述するオブジェクトモデル(SOM)の確立を提案する。 医用イメージングシステムは、物体特性のノイズや間接的な表現を示す画像計測を記録しているため、画像化対象のモデルを構築するために直接GANを適用することはできない。
  論文  参考訳（メタデータ） (2020-01-26T21:33:14Z)

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。