論文の概要: GRU-D Characterizes Age-Specific Temporal Missingness in MIMIC-IV

• arxiv url: http://arxiv.org/abs/2410.05350v1
• Date: Mon, 7 Oct 2024 11:07:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-01 19:17:28.521401
• Title: GRU-D Characterizes Age-Specific Temporal Missingness in MIMIC-IV
• Title（参考訳）: GRU-DによるMIMIC-IVの経時的欠失の特徴
• Authors: Niklas Giesa, Mert Akgül, Sebastian Daniel Boie, Felix Balzer,
• Abstract要約: 高齢者と若年者の二分分類において,GRU-Dと呼ばれる崩壊機構を持つゲートリカレントユニットを訓練した。 その結果, 血圧低下と呼吸速度低下の差は, パラメータ化された隠れゲートユニットによって学習された重要な予測因子であることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Temporal missingness, defined as unobserved patterns in time series, and its predictive potentials represent an emerging area in clinical machine learning. We trained a gated recurrent unit with decay mechanisms, called GRU-D, for a binary classification between elderly - and young patients. We extracted time series for 5 vital signs from MIMIC-IV as model inputs. GRU-D was evaluated with means of 0.780 AUROC and 0.810 AUPRC on bootstrapped data. Interpreting trained model parameters, we found differences in blood pressure missingness and respiratory rate missingness as important predictors learned by parameterized hidden gated units. We successfully showed how GRU-D can be used to reveal patterns in temporal missingness building the basis of novel research directions.
• Abstract（参考訳）: 時系列における観測されていないパターンとして定義される時間的欠如とその予測ポテンシャルは、臨床機械学習における新たな領域を表している。 高齢者と若年者の二分分類において,GRU-Dと呼ばれる崩壊機構を持つゲートリカレントユニットを訓練した。 モデル入力としてMIMIC-IVから5つのバイタルサインの時系列を抽出した。 GRU-Dはブートストラップデータに対して0.780 AUROCと0.810 AUPRCを用いて評価された。 訓練されたモデルパラメータを解釈し,パラメータ化された隠れゲートユニットで学習した重要な予測因子として,血圧の欠如と呼吸速度の欠如が認められた。 我々はGRU-Dが時間的欠如のパターンを明らかにするのにどのように使えるのかを、新しい研究の方向性に基づいて示すことに成功している。

関連論文リスト

• Classification of Alzheimer's Dementia vs. Healthy subjects by studying structural disparities in fMRI Time-Series of DMN [4.349838917565205]
  興味のある異なる地域からの時系列は、健康な人と不健康な人の大きな違いを示す可能性がある。 この仮説は、時系列における構造レベルの違いが被写体群間の識別につながるというものである。 オートエンコーダに基づくモデルを用いて、ネットワークをトレーニングして入力データを再構築することで、データの効率的な表現を学習する。
  論文  参考訳（メタデータ） (2024-07-29T13:22:49Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Time CNN and Graph Convolution Network for Epileptic Spike Detection in MEG Data [1.9420255676093532]
  本稿では1次元時間畳み込みニューラルネットワーク (Time CNN) とグラフ畳み込みニューラルネットワーク (GCN) を結合して, MEG 記録の短時間フレームをスパイクを含むか否かの分類を行う。 我々のモデルは臨床的に関連のある結果を生成し、Deep Learning-based State-of-the-art法では、バランスの取れたデータセットで76.7%、現実的で高度にバランスの取れないデータセットで25.5%の分類に到達した。
  論文  参考訳（メタデータ） (2023-10-13T16:40:29Z)
• GRU-D-Weibull: A Novel Real-Time Individualized Endpoint Prediction [10.871599399011306]
  ワイブル分布をモデル化するために、ゲート再帰単位と崩壊(GRU-D)を組み合わせた新しいアプローチGRU-D-Weibullを提案する。 4期慢性腎臓病(CKD4)6,879例のコホートを用いて,GRU-D-Weibullの終末予測成績を検討した。 提案手法はCKD4指数で1.1年(SD 0.95)、フォローアップ4年で0.45年(SD0.3)の絶対L1損失を達成し,競合法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2023-08-14T20:46:16Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression [82.85825388788567]
  我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。 T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
  論文  参考訳（メタデータ） (2023-02-24T13:30:35Z)
• Synthesizing time-series wound prognosis factors from electronic medical records using generative adversarial networks [0.0]
  創傷予後因子を合成するためにgans(time series medical generative adversarial networks)を開発した。 条件付きトレーニング戦略は, 癒しや非癒しの観点から, 訓練の強化と分類データの生成に活用された。
  論文  参考訳（メタデータ） (2021-05-03T20:26:48Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

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。