論文の概要: Interpretable factorization of clinical questionnaires to identify
latent factors of psychopathology
- arxiv url: http://arxiv.org/abs/2312.07762v1
- Date: Tue, 12 Dec 2023 22:10:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 17:23:12.963443
- Title: Interpretable factorization of clinical questionnaires to identify
latent factors of psychopathology
- Title（参考訳）: 精神病理の潜伏因子同定のための臨床アンケートの解釈因子化
- Authors: Ka Chun Lam, Bridget W Mahony, Armin Raznahan, Francisco Pereira
- Abstract要約: 質問紙データに適した非負行列因子化法であるICQF(Interpretability constrained Question Factorization)を導入する。
ICQFは、さまざまな障害の診断情報を保存しながら、ドメインの専門家によって定義された解釈可能性を改善する。
- 参考スコア（独自算出の注目度）: 1.9051761801489249
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Psychiatry research seeks to understand the manifestations of psychopathology
in behavior, as measured in questionnaire data, by identifying a small number
of latent factors that explain them. While factor analysis is the traditional
tool for this purpose, the resulting factors may not be interpretable, and may
also be subject to confounding variables. Moreover, missing data are common,
and explicit imputation is often required. To overcome these limitations, we
introduce interpretability constrained questionnaire factorization (ICQF), a
non-negative matrix factorization method with regularization tailored for
questionnaire data. Our method aims to promote factor interpretability and
solution stability. We provide an optimization procedure with theoretical
convergence guarantees, and an automated procedure to detect latent
dimensionality accurately. We validate these procedures using realistic
synthetic data. We demonstrate the effectiveness of our method in a widely used
general-purpose questionnaire, in two independent datasets (the Healthy Brain
Network and Adolescent Brain Cognitive Development studies). Specifically, we
show that ICQF improves interpretability, as defined by domain experts, while
preserving diagnostic information across a range of disorders, and outperforms
competing methods for smaller dataset sizes. This suggests that the
regularization in our method matches domain characteristics. The python
implementation for ICQF is available at
\url{https://github.com/jefferykclam/ICQF}.
- Abstract（参考訳）: 精神医学研究は、少数の潜在要因を同定し、アンケートデータで測定された行動における精神病理学の症状を理解することを目的としている。
因子分析は、この目的のために伝統的なツールであるが、結果の因子は解釈できない可能性があり、また変数を導出することもある。
さらに、データの欠落は一般的であり、明示的なインプテーションがしばしば必要となる。
これらの制約を克服するために,非負の行列因子化法であるicqf(constructionaled questionnaire factorization)を提案する。
本手法は,因子解釈可能性と解安定性の促進を目的とする。
理論的収束保証を備えた最適化手法と、遅延次元を正確に検出する自動手順を提供する。
これらの手順を現実的な合成データを用いて検証する。
本手法は,健康的脳ネットワークと青年期脳認知発達研究の2つの独立したデータセットにおいて,広く用いられている汎用質問票において有効であることを示す。
具体的には、ICQFは、さまざまな障害の診断情報を保存しながら、ドメインの専門家によって定義された解釈可能性を改善し、より小さなデータセットサイズで競合する手法より優れていることを示す。
これは,本手法の正規化が領域特性と一致することを示唆している。
ICQF のpython実装は \url{https://github.com/jefferykclam/ICQF} で利用可能である。
関連論文リスト
- Interpretability of Uncertainty: Exploring Cortical Lesion Segmentation in Multiple Sclerosis [33.91263917157504]
不確実性定量化(UQ)は人工知能システムの信頼性を評価する上で重要である。
本研究では,磁気共鳴画像における焦点病変分割のための深層学習モデルにおけるインスタンス単位の不確実性値の解釈可能性について検討する。
論文 参考訳（メタデータ） (2024-07-08T09:13:30Z) - Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。
診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。
本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
論文 参考訳（メタデータ） (2024-03-09T13:48:20Z) - PULASki: Learning inter-rater variability using statistical distances to
improve probabilistic segmentation [36.136619420474766]
本稿では,専門家アノテーションの変動を正確に捉えるバイオメディカルイメージセグメンテーションのためのPULASkiを提案する。
提案手法では,条件付き変分オートエンコーダ構造における統計的距離に基づいて,損失関数を改良した。
また,本手法は多ラベルセグメンテーションタスクにも適用可能であり,血行動態モデリングなどの下流タスクにも有用である。
論文 参考訳（メタデータ） (2023-12-25T10:31:22Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Towards stable real-world equation discovery with assessing
differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。
我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文 参考訳（メタデータ） (2023-11-09T23:32:06Z) - Neuro-Causal Factor Analysis [18.176375611711396]
神経因果因子分析(NCFA)の枠組みについて紹介する。
NCFAは潜伏因果発見法により因子を同定し、可変オートエンコーダ(VAE)を用いる
NCFAを実データおよび合成データセット上で評価し、データ再構成タスクにおける標準VAEと同等に動作することを示す。
論文 参考訳（メタデータ） (2023-05-31T12:41:20Z) - Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。
また、局所的な一貫性の結果に基づいた理論的保証も提供する。
この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文 参考訳（メタデータ） (2022-11-17T15:48:06Z) - Trying to Outrun Causality with Machine Learning: Limitations of Model
Explainability Techniques for Identifying Predictive Variables [7.106986689736828]
機械学習のアルゴリズムは、見た目ほど柔軟性がなく、データの根底にある因果構造に驚くほど敏感であることを示す。
我々は、重要な変数のデータを探索したい研究者のために、いくつかの代替のレコメンデーションを提供する。
論文 参考訳（メタデータ） (2022-02-20T17:48:54Z) - Probabilistic Bearing Fault Diagnosis Using Gaussian Process with
Tailored Feature Extraction [10.064000794573756]
転がり軸受は、過酷な環境下での長時間の運転により、様々な障害にさらされる。
現在の深層学習法は, 決定論的分類の形で軸受断層診断を行う。
本研究では,予測の不確実性を考慮した確率的故障診断フレームワークを開発した。
論文 参考訳（メタデータ） (2021-09-19T18:34:29Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z) - Estimating Structural Target Functions using Machine Learning and
Influence Functions [103.47897241856603]
統計モデルから特定可能な関数として生じる対象関数の統計的機械学習のための新しい枠組みを提案する。
このフレームワークは問題とモデルに依存しないものであり、応用統計学における幅広い対象パラメータを推定するのに使用できる。
我々は、部分的に観測されていない情報を持つランダム/二重ロバストな問題において、いわゆる粗大化に特に焦点をあてた。
論文 参考訳（メタデータ） (2020-08-14T16:48:29Z)
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。