Fugu-MT 論文翻訳(概要): Mitigating Sex Bias in Audio Data-driven COPD and COVID-19 Breathing Pattern Detection Models

論文の概要: Mitigating Sex Bias in Audio Data-driven COPD and COVID-19 Breathing Pattern Detection Models

arxiv url: http://arxiv.org/abs/2409.10677v1
Date: Mon, 16 Sep 2024 19:20:11 GMT
ステータス: 処理完了
システム内更新日: 2024-09-18 18:50:48.031635
Title: Mitigating Sex Bias in Audio Data-driven COPD and COVID-19 Breathing Pattern Detection Models
Title（参考訳）: 音声データ駆動型 COPD と COVID-19 ブレスティングパターン検出モデルにおける性バイアスの緩和
Authors: Rachel Pfeifer, Sudip Vhaduri, James Eric Dietz,
Abstract要約: 主な呼吸器疾患であるCOPDとCOVID-19の呼吸パターンを検出するモデルにおけるバイアスについて検討した。 81.43%(デコグラフパリティ)と71.81%(オッズ差の等化)の改善が見られた。
参考スコア（独自算出の注目度）: 0.6554326244334866
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the healthcare industry, researchers have been developing machine learning models to automate diagnosing patients with respiratory illnesses based on their breathing patterns. However, these models do not consider the demographic biases, particularly sex bias, that often occur when models are trained with a skewed patient dataset. Hence, it is essential in such an important industry to reduce this bias so that models can make fair diagnoses. In this work, we examine the bias in models used to detect breathing patterns of two major respiratory diseases, i.e., chronic obstructive pulmonary disease (COPD) and COVID-19. Using decision tree models trained with audio recordings of breathing patterns obtained from two open-source datasets consisting of 29 COPD and 680 COVID-19-positive patients, we analyze the effect of sex bias on the models. With a threshold optimizer and two constraints (demographic parity and equalized odds) to mitigate the bias, we witness 81.43% (demographic parity difference) and 71.81% (equalized odds difference) improvements. These findings are statistically significant.
Abstract（参考訳）: 医療業界では、呼吸パターンに基づいて呼吸器疾患の患者を診断する機械学習モデルが研究されている。しかしながら、これらのモデルは、スクイード患者データセットでモデルがトレーニングされたときにしばしば発生する人口統計バイアス、特に性バイアスを考慮しない。したがって、モデルが公平に診断できるように、このような重要な産業において、このバイアスを減らすことが不可欠である。本研究では,慢性閉塞性肺疾患(COPD)とCOVID-19(COVID-19)の2つの主要な呼吸器疾患の呼吸パターンを検出するモデルにおけるバイアスについて検討した。 29名の COPD と680名の COVID-19 陽性患者の2つのオープンソースデータセットから得られた呼吸パターンの音声記録を学習した決定木モデルを用いて,性別バイアスがモデルに与える影響を解析した。バイアスを軽減するためのしきい値オプティマイザと2つの制約(デコログラフパリティと等化オッズ)により、81.43%(デコログラフパリティ差)と71.81%(等化オッズ差)の改善が見られた。これらの発見は統計的に有意である。

関連論文リスト

Towards a Transportable Causal Network Model Based on Observational Healthcare Data [1.333879175460266]
本稿では,選択図,不足グラフ,因果発見,事前知識を1つのグラフィカルモデルに組み合わせた新しい手法を提案する。このモデルは、患者の2つの異なるコホートからなるデータから学習する。結果として得られた因果ネットワークモデルは、リスク評価、正確性、説明可能性の観点から専門家臨床医によって検証される。
論文参考訳（メタデータ） (2023-11-13T13:23:31Z)
MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文参考訳（メタデータ） (2023-10-04T01:36:30Z)
Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文参考訳（メタデータ） (2022-11-12T23:28:54Z)
What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
論文参考訳（メタデータ） (2021-11-30T15:52:04Z)
Identifying and mitigating bias in algorithms used to manage patients in a pandemic [4.756860520861679]
現実のデータセットを使用して、新型コロナウイルスの死亡率、人工呼吸器の状態、入院状態を予測するために、ロジスティック回帰モデルが作成された。モデルではバイアス試験の回数が57%減少した。キャリブレーション後, 予測モデルの平均感度は0.527から0.955に増加した。
論文参考訳（メタデータ） (2021-10-30T21:10:56Z)
Deep Learning-Based Detection of the Acute Respiratory Distress Syndrome: What Are the Models Learning? [5.827840113217155]
急性呼吸窮迫症候群 (ARDS) は低酸素性呼吸不全の重症型であり、院内死亡率は35-46%である。高死亡率は、即時診断を行う際の課題と関連していると考えられており、その結果、エビデンスベースの治療の実施が遅れる可能性がある。未バイアス人工呼吸器波形データ(VWD)を利用したディープニューラルネットワーク(DNN)アルゴリズムは、ARDSのスクリーニングを改善するのに役立つかもしれない。
論文参考訳（メタデータ） (2021-09-25T09:10:10Z)
The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。オープンソースデータのトレーニングやテストでは,結果は異例です。データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文参考訳（メタデータ） (2021-09-14T10:59:11Z)
Systematic investigation into generalization of COVID-19 CT deep learning models with Gabor ensemble for lung involvement scoring [9.94980188821453]
本研究は,COVID-19 CTデータを用いたキーパブリッシュモデルの一般化可能性について検討する。次に、独立した新しいデータセットを使用して、新型コロナウイルスの重症度に関するこれらのモデルの予測能力を評価する。
論文参考訳（メタデータ） (2021-04-20T03:49:48Z)
A Model-Based Approach to Synthetic Data Set Generation for Patient-Ventilator Waveforms for Machine Learning and Educational Use [0.0]
機械学習と教育利用のための合成データセットを生成するモデルベースのアプローチを提案する。文献中の測定結果から得られた9種類の患者原型を用いて合成データセットを生成した。
論文参考訳（メタデータ） (2021-03-29T15:10:17Z)
Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。逆生成したサンプルはドメイン適応時に使用される。その結果,本手法の有効性とタスクの一般性が確認された。
論文参考訳（メタデータ） (2021-01-13T03:20:20Z)
Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文参考訳（メタデータ） (2020-05-24T23:13:16Z)

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。