論文の概要: A New Perspective on ADHD Research: Knowledge Graph Construction with LLMs and Network Based Insights
- arxiv url: http://arxiv.org/abs/2409.12853v2
- Date: Sat, 19 Oct 2024 04:21:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 13:10:09.678387
- Title: A New Perspective on ADHD Research: Knowledge Graph Construction with LLMs and Network Based Insights
- Title(参考訳): ADHD研究の新しい展望:LLMによる知識グラフ構築とネットワークベースインサイト
- Authors: Hakan T. Otal, Stephen V. Faraone, M. Abdullah Canbaz,
- Abstract要約: アテンション・デフィシット・ハイパーアクティビティ障害(ADHD: Attention-Deficit/Hyper Activity Disorder)は、複雑な症状と様々な要因から研究が難しい疾患である。
このトピックについてより深い洞察を得るために,ADHDの総合知識グラフ(KG)上でネットワーク分析を行った。
kコア技術を含む分析では、障害を理解する中心となる重要なノードと関係が特定された。
- 参考スコア(独自算出の注目度): 0.4915744683251151
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Attention-Deficit/Hyperactivity Disorder (ADHD) is a challenging disorder to study due to its complex symptomatology and diverse contributing factors. To explore how we can gain deeper insights on this topic, we performed a network analysis on a comprehensive knowledge graph (KG) of ADHD, constructed by integrating scientific literature and clinical data with the help of cutting-edge large language models. The analysis, including k-core techniques, identified critical nodes and relationships that are central to understanding the disorder. Building on these findings, we curated a knowledge graph that is usable in a context-aware chatbot (Graph-RAG) with Large Language Models (LLMs), enabling accurate and informed interactions. Our knowledge graph not only advances the understanding of ADHD but also provides a powerful tool for research and clinical applications.
- Abstract(参考訳): アテンション・デフィシット・ハイパーアクティビティ障害(ADHD: Attention-Deficit/Hyper Activity Disorder)は、複雑な症状と様々な要因から研究が難しい疾患である。
そこで我々は,ADHDの包括的知識グラフ(KG)を用いて,最先端の大規模言語モデルの助けを借りて,科学的文献と臨床データを統合して構築したネットワーク分析を行った。
kコア技術を含む分析では、障害を理解する中心となる重要なノードと関係が特定された。
これらの結果に基づいて,Large Language Models (LLMs) を用いた文脈認識型チャットボット (Graph-RAG) で使用可能な知識グラフをキュレートし,正確かつインフォメーションなインタラクションを実現した。
私たちの知識グラフはADHDの理解を深めるだけでなく、研究や臨床応用のための強力なツールも提供します。
関連論文リスト
- Transparent but Powerful: Explainability, Accuracy, and Generalizability in ADHD Detection from Social Media Data [0.0]
注意欠陥・高活動障害(ADHD: Attention-deficit/hyperactive disorder)は、小児と成人の両方に影響を及ぼす精神疾患である。
人工知能の最近の進歩、特に自然言語処理(NLP)と機械学習(ML)は、ソーシャルメディアデータを用いたスケーラブルで非侵襲的なADHDスクリーニング方法に対する有望なソリューションを提供する。
本稿では,浅層学習モデルと深層学習アプローチを併用したADHD検出に関する総合的研究を行い,ADHD関連ソーシャルメディアテキストの言語パターンを解析する。
論文 参考訳(メタデータ) (2024-11-23T15:26:01Z) - Leveraging Social Determinants of Health in Alzheimer's Research Using LLM-Augmented Literature Mining and Knowledge Graphs [33.755845172595365]
成長する証拠は、社会的健康決定因子(SDoH)がアルツハイマー病(AD)と関連する認知症を発症する個人のリスクに影響を与えることを示唆している。
本研究は、SDoHの知識を広範囲にわたる文献から抽出し、AD関連生物学的実体と統合するための、新しい自動化された枠組みを提案する。
本フレームワークは,ADにおける知識発見の促進を約束し,他のSDoH関連研究領域に一般化することができる。
論文 参考訳(メタデータ) (2024-10-04T21:39:30Z) - Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。
パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。
得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
論文 参考訳(メタデータ) (2024-09-09T06:55:37Z) - Exploiting the Brain's Network Structure for Automatic Identification of
ADHD Subjects [70.37277191524755]
我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。
776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
論文 参考訳(メタデータ) (2023-06-15T16:22:57Z) - Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report
Generation [92.73584302508907]
コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。
詳しくは、グラフの基本構造は一般知識から事前構築される。
各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
論文 参考訳(メタデータ) (2023-03-18T03:53:43Z) - Detection of ADHD based on Eye Movements during Natural Viewing [3.1890959219836574]
ADHDは神経発達障害であり、臨床専門医が診断する必要がある。
我々は、関連するタスクに対して事前学習を行う、エンドツーエンドのディープラーニングベースのシーケンスモデルを開発する。
この手法は実際にADHDを検出し、関連するベースラインを上回ります。
論文 参考訳(メタデータ) (2022-07-04T12:56:04Z) - Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue
Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。
また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文 参考訳(メタデータ) (2020-12-22T13:20:23Z) - Unifying Neural Learning and Symbolic Reasoning for Spinal Medical
Report Generation [33.818136671925444]
本稿では,深層学習と記号論理的推論を統一することにより,人間的な学習を行うニューラル・シンボリック・ラーニング・フレームワークを提案する。
我々のアルゴリズムは、既存の脊髄構造検出手法をはるかに上回っている。
論文 参考訳(メタデータ) (2020-04-28T15:06:24Z) - Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete
Labels [66.57101219176275]
胸部X線画像上の疾患診断は,多ラベル分類の課題である。
本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。
本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
論文 参考訳(メタデータ) (2020-02-26T17:10:48Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2019-12-28T02:44:29Z)
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。