論文の概要: Predicting and Explaining Hearing Aid Usage Using Encoder-Decoder with Attention Mechanism and SHAP

• arxiv url: http://arxiv.org/abs/2405.11275v1
• Date: Sat, 18 May 2024 12:19:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 18:38:17.577387
• Title: Predicting and Explaining Hearing Aid Usage Using Encoder-Decoder with Attention Mechanism and SHAP
• Title（参考訳）: 注意機構を持つエンコーダデコーダとSHAPを用いた補聴器の使用予測と説明
• Authors: Qiqi Su, Eleftheria Iliadou,
• Abstract要約: 最適な補聴器装着や補聴器使用経験と相関する,個人的,行動的,環境的,その他の要因を理解することが不可欠である。 attn-EDは将来の補聴器の使用を予測できることが実験で実証されている。 提案する枠組みは, 臨床医が介入の性質を判断する上でも有効である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is essential to understand the personal, behavioral, environmental, and other factors that correlate with optimal hearing aid fitting and hearing aid users' experiences in order to improve hearing loss patient satisfaction and quality of life, as well as reduce societal and financial burdens. This work proposes a novel framework that uses Encoder-decoder with attention mechanism (attn-ED) for predicting future hearing aid usage and SHAP to explain the factors contributing to this prediction. It has been demonstrated in experiments that attn-ED performs well at predicting future hearing aid usage, and that SHAP can be utilized to calculate the contribution of different factors affecting hearing aid usage. This framework aims to establish confidence that AI models can be utilized in the medical domain with the use of XAI methods. Moreover, the proposed framework can also assist clinicians in determining the nature of interventions.
• Abstract（参考訳）: 聴覚障害患者の満足度や生活の質を向上させるとともに、社会的・財政的な負担を軽減するためには、最適な補聴器や補聴器の使用経験と相関する個人的、行動的、環境的、その他の要因を理解することが不可欠である。 本研究では,Encoder-decoderに注意機構(attn-ED)を付加した新しいフレームワークを提案する。 実験では、ttn-EDは将来の補聴器の使用を予測し、SHAPを用いて補聴器の使用に影響を与える様々な要因の寄与を計算できることが示されている。 このフレームワークは、XAIメソッドを使用することで、医療領域でAIモデルを利用することができるという自信を確立することを目的としている。 さらに, この枠組みは, 臨床医の介入の実態を判断する上でも有効である。

関連論文リスト

• NeuroSpex: Neuro-Guided Speaker Extraction with Cross-Modal Attention [47.8479647938849]
  本稿では,聴取者の脳波応答を唯一の補助的基準キューとして用いた神経誘導型話者抽出モデルであるNeuroSpexを提案する。 我々は,注目情報を捕捉する新しい脳波信号エンコーダを提案し,また,音声特徴表現を強化するためのクロスアテンション(CA)機構を提案する。
  論文  参考訳（メタデータ） (2024-09-04T07:33:01Z)
• Informing clinical assessment by contextualizing post-hoc explanations of risk prediction models in type-2 diabetes [50.8044927215346]
  本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。 我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。 本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
  論文  参考訳（メタデータ） (2023-02-11T18:07:11Z)
• Actionable Recourse via GANs for Mobile Health [0.0]
  カウンターファクトによるリコースは、ユーザ予測を修正するための具体的なメカニズムを提供する。 セーフ・デリバリー・アプリにおける中長期エンゲージメント予測のアンサンブル・サバイバル分析に基づくモバイル・ヘルス・アプリケーションにおけるGAN生成リコースの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-11-12T00:25:43Z)
• Inference and Denoise: Causal Inference-based Neural Speech Enhancement [83.4641575757706]
  本研究では、雑音の存在を介入としてモデル化することにより、因果推論パラダイムにおける音声強調(SE)課題に対処する。 提案した因果推論に基づく音声強調(CISE)は,ノイズ検出器を用いて間欠雑音音声中のクリーンフレームとノイズフレームを分離し,両フレームセットを2つのマスクベース拡張モジュール(EM)に割り当て,ノイズ条件SEを実行する。
  論文  参考訳（メタデータ） (2022-11-02T15:03:50Z)
• Can Current Explainability Help Provide References in Clinical Notes to Support Humans Annotate Medical Codes? [53.45585591262433]
  本稿では、注意スコアに基づくxRAC-ATTNと、モデルに依存しない知識蒸留に基づくxRAC-KDの2つのアプローチについて説明する。 我々は,xRAC-ATTNが強調した支持エビデンステキストが,xRAC-KDよりも高品質であるのに対して,xRAC-KDは本番環境において潜在的に有利であることを示した。
  論文  参考訳（メタデータ） (2022-10-28T04:06:07Z)
• Evaluating and Optimizing Hearing-Aid Self-Fitting Methods using Population Coverage [0.4014524824655105]
  軽度から軽度に聴力を失う成人は、聴力障害を従来の聴力障害のわずかなコストで治療するために、オーバーザカウンタ補聴器を使用することができる。 これらの製品には、聴覚学者の助けを借りずに、エンドユーザが補聴器を設定できる自己適合方式が組み込まれている。 本稿では,効率的な自己適合手法を設計する方法と,高価なユーザスタディに頼らずに設計の特定の側面を評価することができるかを検討する。
  論文  参考訳（メタデータ） (2022-10-25T03:02:55Z)
• Deep Feature Learning for Medical Acoustics [78.56998585396421]
  本研究の目的は,医療音響の課題における学習内容の比較である。 ヒトの呼吸音と心臓の鼓動を健康的または病態の影響の2つのカテゴリに分類する枠組みが実装されている。
  論文  参考訳（メタデータ） (2022-08-05T10:39:37Z)
• Personalized and Reliable Decision Sets: Enhancing Interpretability in Clinical Decision Support Systems [0.08594140167290096]
  このシステムは、意思決定ルールセットと、グローバルおよびローカルな解釈可能性を提供する機械学習スキームを組み合わせる。 個々の予測の信頼性分析も対処され、さらにパーソナライズされた解釈可能性に寄与する。
  論文  参考訳（メタデータ） (2021-07-15T17:36:24Z)
• DHASP: Differentiable Hearing Aid Speech Processing [23.101074347473904]
  聴取者の聴力障害に対する適切な増幅は、良好な演奏に不可欠である。 本稿では,補聴器音声処理フレームワークの導入により,最適な適合度を求めるための代替手法を提案する。 このフレームワークは完全に差別化可能であり、効率的なデータ駆動最適化にバックプロパゲーションアルゴリズムを使用することができる。 最初の目的の実験では、ノイズのない音声増幅に有望な結果が示され、自動最適化されたプロセッサは、よく認識された補聴器処方薬の1つを上回る。
  論文  参考訳（メタデータ） (2021-03-15T17:34:22Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• Personalization of Hearing Aid Compression by Human-In-Loop Deep Reinforcement Learning [3.402787708517184]
  特定のユーザに対して必ずしも最適ではないユーザのグループからのゲイン平均に基づいて、補聴器の既存の規範的圧縮戦略を設計する。 本稿では, 補聴器の圧縮をパーソナライズし, 補聴器の精度向上を図るための, ループ内深部強化学習手法を提案する。
  論文  参考訳（メタデータ） (2020-07-01T02:50:33Z)

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。