論文の概要: CAND: Cross-Domain Ambiguity Inference for Early Detecting Nuanced Illness Deterioration

• arxiv url: http://arxiv.org/abs/2501.16365v1
• Date: Wed, 22 Jan 2025 06:44:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-29 16:42:33.309039
• Title: CAND: Cross-Domain Ambiguity Inference for Early Detecting Nuanced Illness Deterioration
• Title（参考訳）: CAND:Nuanced Illnessの早期検出のためのクロスドメイン曖昧性推論
• Authors: Lo Pang-Yun Ting, Zhen Tan, Hong-Pei Chen, Cheng-Te Li, Po-Lin Chen, Kun-Ta Chuang, Huan Liu,
• Abstract要約: 本稿では,ドメイン固有の知識とドメイン間知識として,遷移関係と重要な記号間の相関を整理する新しい手法であるCANDを紹介する。 実世界のICUデータセットを用いた実験により、CANDはニュアンスドの悪化を検知する既存の手法を著しく上回っていることが示された。
• 参考スコア（独自算出の注目度）: 16.57642706942731
• License:
• Abstract: Early detection of patient deterioration is essential for timely treatment, with vital signs like heart rates being key health indicators. Existing methods tend to solely analyze vital sign waveforms, ignoring transition relationships of waveforms within each vital sign and the correlation strengths among various vital signs. Such studies often overlook nuanced illness deterioration, which is the early sign of worsening health but is difficult to detect. In this paper, we introduce CAND, a novel method that organizes the transition relationships and the correlations within and among vital signs as domain-specific and cross-domain knowledge. CAND jointly models these knowledge in a unified representation space, considerably enhancing the early detection of nuanced illness deterioration. In addition, CAND integrates a Bayesian inference method that utilizes augmented knowledge from domain-specific and cross-domain knowledge to address the ambiguities in correlation strengths. With this architecture, the correlation strengths can be effectively inferred to guide joint modeling and enhance representations of vital signs. This allows a more holistic and accurate interpretation of patient health. Our experiments on a real-world ICU dataset demonstrate that CAND significantly outperforms existing methods in both effectiveness and earliness in detecting nuanced illness deterioration. Moreover, we conduct a case study for the interpretable detection process to showcase the practicality of CAND.
• Abstract（参考訳）: 患者の早期発見はタイムリーな治療に不可欠であり、心拍数などの重要な兆候が重要な健康指標である。 既存の手法では、バイタルサインの波形のみを解析し、各バイタルサイン内の波形の遷移関係と様々なバイタルサイン間の相関強度を無視する傾向にある。 このような研究は、健康を悪化させる初期の兆候であるが検出し難い病気の悪化をしばしば見落としている。 本稿では,ドメイン固有の知識とドメイン間知識として,ドメイン間の遷移関係と相関関係を整理する新しい手法であるCANDを紹介する。 CANDはこれらの知識を統一表現空間で共同でモデル化し、悪質な疾患の早期発見を著しく強化した。 さらに、CANDは、相関強度のあいまいさに対処するために、ドメイン固有知識およびドメイン横断知識からの強化知識を利用するベイズ推論手法を統合する。 このアーキテクチャでは、相関強度を効果的に推定し、共同モデリングをガイドし、バイタルサインの表現を強化することができる。 これにより、患者の健康をより包括的で正確に解釈できる。 実世界のICUデータセットを用いた実験により、CANDは、悪質な病気の悪化を検出する上で、既存の方法よりも、有効性と耳の質の両方において著しく優れていることが示された。 さらに,CANDの実用性を示すために,解釈可能な検出プロセスのケーススタディを行う。

関連論文リスト

• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [46.56667527672019]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• Contrastive Learning of Temporal Distinctiveness for Survival Analysis in Electronic Health Records [10.192973297290136]
  本稿では,オントロジーを意識したテンポラリティに基づくコントラシブ・サバイバル(OTCSurv)分析フレームワークを提案する。 OTCSurvは、検閲されたデータと観察されたデータの両方から生存期間を使い、時間的特異性を定義する。 急性腎障害(AKI)を発症する危険のある入院患者のリスクを予測するために,大規模なEHRデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-08-24T22:36:22Z)
• Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
  本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。 提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,CheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-05-20T03:12:23Z)
• A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate Detection [12.669734891001667]
  糖尿病網膜症(DR:diabetic retinopathy)は、視覚障害の主要な原因である。 硬口蓋の早期発見は、糖尿病の治療と視力喪失の予防に役立つDRの同定において重要な役割を担っている。 ハード・エクスデュート・セグメンテーションを最適化する新しい教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-22T17:39:00Z)
• CDANs: Temporal Causal Discovery from Autocorrelated and Non-Stationary Time Series Data [5.130175508025212]
  因果発見は、人間の健康に関する実用的な洞察を抽出する上で重要な役割を果たす可能性がある。 本稿では,制約に基づく新たな因果探索手法を提案する。 提案手法では,時間とともに変化するモジュールの変化とともに,タグ付き・即時/同時因果関係を同定する。
  論文  参考訳（メタデータ） (2023-02-07T04:13:48Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• 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)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。