Fugu-MT 論文翻訳(概要): Toward a Unified Graph-Based Representation of Medical Data for Precision Oncology Medicine

論文の概要: Toward a Unified Graph-Based Representation of Medical Data for Precision Oncology Medicine

arxiv url: http://arxiv.org/abs/2410.14739v1
Date: Thu, 17 Oct 2024 07:43:48 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-22 13:12:59.196015
Title: Toward a Unified Graph-Based Representation of Medical Data for Precision Oncology Medicine
Title（参考訳）: 精度オンコロジー医学のための医用データの統一的表現に向けて
Authors: Davide Belluomo, Tiziana Calamoneri, Giacomo Paesani, Ivano Salvo,
Abstract要約: 本稿では,医学知識を持つ患者の遺伝情報と医療記録を一意の知識グラフで組み合わせた,医用データの統一的な表現を提案する。このアプローチは、各データセットを別々に見ることによって、利用できない意味のある情報や説明を推測することを可能にする。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present a new unified graph-based representation of medical data, combining genetic information and medical records of patients with medical knowledge via a unique knowledge graph. This approach allows us to infer meaningful information and explanations that would be unavailable by looking at each data set separately. The systematic use of different databases, managed throughout the built knowledge graph, gives new insights toward a better understanding of oncology medicine. Indeed, we reduce some useful medical tasks to well-known problems in theoretical computer science for which efficient algorithms exist.
Abstract（参考訳）: 本稿では,医学知識を持つ患者の遺伝情報と医療記録を一意の知識グラフで組み合わせた,医用データの統一的な表現を提案する。このアプローチは、各データセットを別々に見ることによって、利用できない意味のある情報や説明を推測することを可能にする。構築された知識グラフを通して管理されるさまざまなデータベースの体系的利用は、腫瘍医学をより深く理解するための新たな洞察を与えてくれる。実際、効率的なアルゴリズムが存在する理論計算機科学において、有用な医療タスクをよく知られた問題に還元する。

関連論文リスト

Eye-gaze Guided Multi-modal Alignment for Medical Representation Learning [65.54680361074882]
アイゲイズガイドマルチモーダルアライメント(EGMA)フレームワークは、アイゲイズデータを利用して、医用視覚的特徴とテキスト的特徴のアライメントを改善する。我々は4つの医療データセット上で画像分類と画像テキスト検索の下流タスクを行う。
論文参考訳（メタデータ） (2024-03-19T03:59:14Z)
Enhancing Biomedical Lay Summarisation with External Knowledge Graphs [28.956500948255677]
そこで本研究では,知識グラフをレイ・サマリゼーション・モデルに組み込むための3つのアプローチの有効性について検討する。この結果から,グラフベースのドメイン知識の統合は,生成したテキストの可読性を大幅に向上させることで,レイ・サマライズを著しく向上させることが可能であることが確認された。
論文参考訳（メタデータ） (2023-10-24T10:25:21Z)
Multi-modal Graph Learning over UMLS Knowledge Graphs [1.6311327256285293]
医療概念の有意義な表現を学習するためのMMUGL(Multi-Modal UMLS Graph Learning)を提案する。これらの表現は、患者の訪問全体を表すために集約され、シークエンスモデルに入力され、患者の複数の病院訪問の粒度で予測される。
論文参考訳（メタデータ） (2023-07-10T10:16:57Z)
MD-Manifold: A Medical-Distance-Based Representation Learning Approach for Medical Concept and Patient Representation [6.795388490479779]
医療分析タスクのための医療概念を表現するには、医療領域の知識と事前のデータ情報を統合する必要がある。 MD-Manifoldは,医療概念と患者表現に対する新しいアプローチを提案する。これには、重要な医療領域の知識と事前のデータ情報を統合するための、新しいデータ拡張アプローチ、コンセプト距離メトリック、および患者と患者のネットワークが含まれる。
論文参考訳（メタデータ） (2023-04-30T18:58:32Z)
BERT Based Clinical Knowledge Extraction for Biomedical Knowledge Graph Construction and Analysis [0.4893345190925178]
本稿では,バイオメディカル臨床ノートからの知識抽出と分析のためのエンドツーエンドアプローチを提案する。提案フレームワークは, 関連構造化情報を高精度に抽出できる。
論文参考訳（メタデータ） (2023-04-21T14:45:33Z)
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)
Predicting Patient Readmission Risk from Medical Text via Knowledge Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文参考訳（メタデータ） (2021-12-19T01:45:57Z)
MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文参考訳（メタデータ） (2021-07-20T07:04:52Z)
A Literature Review of Recent Graph Embedding Techniques for Biomedical Data [36.446560017794845]
このようなデータを分析するために,グラフに基づく学習法が数多く提案されている。主な困難は、バイオメディカルグラフの高次元性と空間性を扱う方法である。グラフ埋め込みメソッドは、上記の問題に対処するための効率的かつ効率的な方法を提供する。
論文参考訳（メタデータ） (2021-01-17T01:53:50Z)
Cross-Modal Information Maximization for Medical Imaging: CMIM [62.28852442561818]
病院では、同じ情報を異なるモダリティの下で利用できるようにする特定の情報システムにデータがサイロ化される。これは、テスト時に常に利用できないかもしれない同じ情報の複数のビューを列車で取得し、使用するためのユニークな機会を提供する。テスト時にモダリティの低下に耐性を持つマルチモーダル入力の優れた表現を学習することで、利用可能なデータを最大限活用する革新的なフレームワークを提案する。
論文参考訳（メタデータ） (2020-10-20T20:05:35Z)
Domain Generalization for Medical Imaging Classification with Linear-Dependency Regularization [59.5104563755095]
本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
論文参考訳（メタデータ） (2020-09-27T12:30:30Z)

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。