論文の概要: Early Risk Prediction of Pediatric Cardiac Arrest from Electronic Health Records via Multimodal Fused Transformer

• arxiv url: http://arxiv.org/abs/2502.07158v1
• Date: Tue, 11 Feb 2025 00:53:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-12 14:09:21.134410
• Title: Early Risk Prediction of Pediatric Cardiac Arrest from Electronic Health Records via Multimodal Fused Transformer
• Title（参考訳）: 多変圧器を用いた小児心停止の早期予測
• Authors: Jiaying Lu, Stephanie R. Brown, Songyuan Liu, Shifan Zhao, Kejun Dong, Del Bold, Michael Fundora, Alaa Aljiffry, Alex Fedorov, Jocelyn Grunwell, Xiao Hu,
• Abstract要約: 小児心停止の早期予測は,高リスク集中治療における時間的介入に重要である。 PedCA-FT(PedCA-FT)は、EHRの表層ビューとEHRのテキストビューを融合するトランスフォーマーベースの新しいフレームワークである。 PedCA-FTは、各モードビューに専用のトランスフォーマーモジュールを用いることで、複雑な時間的および文脈的パターンをキャプチャし、堅牢なCAリスク推定を生成する。
• 参考スコア（独自算出の注目度）: 3.6820491307525742
• License:
• Abstract: Early prediction of pediatric cardiac arrest (CA) is critical for timely intervention in high-risk intensive care settings. We introduce PedCA-FT, a novel transformer-based framework that fuses tabular view of EHR with the derived textual view of EHR to fully unleash the interactions of high-dimensional risk factors and their dynamics. By employing dedicated transformer modules for each modality view, PedCA-FT captures complex temporal and contextual patterns to produce robust CA risk estimates. Evaluated on a curated pediatric cohort from the CHOA-CICU database, our approach outperforms ten other artificial intelligence models across five key performance metrics and identifies clinically meaningful risk factors. These findings underscore the potential of multimodal fusion techniques to enhance early CA detection and improve patient care.
• Abstract（参考訳）: 小児心停止(CA)の早期予測は,高リスク集中治療における時間的介入に重要である。 PedCA-FTは、高次元リスクファクターとそれらのダイナミクスの相互作用を完全に解き放つために、EHRの表層ビューとEHRのテキストビューとを融合した、新しいトランスフォーマーベースのフレームワークである。 PedCA-FTは、各モードビューに専用のトランスフォーマーモジュールを用いることで、複雑な時間的および文脈的パターンをキャプチャし、堅牢なCAリスク推定を生成する。 CHOA-CICUデータベースからキュレートされた小児コホートを用いて評価し、本手法は5つの主要なパフォーマンス指標で10種類の人工知能モデルより優れ、臨床的に有意なリスク因子を同定する。 以上の結果から,早期のCA検出と患者ケア改善のためのマルチモーダルフュージョン技術の可能性が示唆された。

関連論文リスト

• A Joint Representation Using Continuous and Discrete Features for Cardiovascular Diseases Risk Prediction on Chest CT Scans [12.652540031719571]
  胸部CT画像から抽出した離散的量的バイオマーカーと連続的な深部特徴を統合した新しい関節表現法を提案する。 本手法はCVDリスク予測性能を大幅に改善し,各バイオマーカーの個人貢献分析を行う。
  論文  参考訳（メタデータ） (2024-10-24T10:06:45Z)
• Deciphering Cardiac Destiny: Unveiling Future Risks Through Cutting-Edge Machine Learning Approaches [0.0]
  本研究の目的は,心停止事故のタイムリー同定のための予測モデルの開発と評価である。 我々は、XGBoost、Gradient Boosting、Naive Bayesといった機械学習アルゴリズムと、リカレントニューラルネットワーク(RNN)によるディープラーニング(DL)アプローチを採用しています。 厳密な実験と検証により,RNNモデルの優れた性能が示された。
  論文  参考訳（メタデータ） (2024-09-03T19:18:16Z)
• 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)
• Explainable Artificial Intelligence Techniques for Irregular Temporal Classification of Multidrug Resistance Acquisition in Intensive Care Unit Patients [7.727213847237959]
  本研究では,GRU(Gated Recurrent Units)と高度な内在的・ポストホック的解釈可能性技術を統合した新しい手法を提案する。 ICU患者に対するMDR(Multidrug-Resistant)感染に関連する危険因子の特定を目的とした。
  論文  参考訳（メタデータ） (2024-07-24T11:12:01Z)
• Static and multivariate-temporal attentive fusion transformer for readmission risk prediction [9.059101159859818]
  ICU患者の短期的寛解を予測するため, SMTAFormer を新たに提案する。 提案手法の精度は最大86.6%であり,受信機動作特性曲線(AUC)の面積は最大0.717である。
  論文  参考訳（メタデータ） (2024-07-15T03:42:44Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Explainable AI for Malnutrition Risk Prediction from m-Health and Clinical Data [3.093890460224435]
  異種m-healthデータに基づく早期かつ説明可能な栄養失調リスク検出のための新しいAIフレームワークを提案する。 対象非依存および個人化予測を含む広範囲なモデル評価を行った。 また,グローバルモデル記述を抽出するベンチマークXAI法についても検討した。
  論文  参考訳（メタデータ） (2023-05-31T08:07:35Z)
• 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)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)
• 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)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。