論文の概要: Utilizing Sequential Information of General Lab-test Results and Diagnoses History for Differential Diagnosis of Dementia

• arxiv url: http://arxiv.org/abs/2502.15317v1
• Date: Fri, 21 Feb 2025 09:11:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 16:09:35.781981
• Title: Utilizing Sequential Information of General Lab-test Results and Diagnoses History for Differential Diagnosis of Dementia
• Title（参考訳）: 認知症鑑別診断における総合検査結果の逐次的情報と診断履歴の利用
• Authors: Yizong Xing, Dhita Putri Pratama, Yuke Wang, Yufan Zhang, Brian E. Chapman,
• Abstract要約: アルツハイマー病(AD)の早期診断は、複数のデータ関連課題に直面している。 これらの課題はADの進行的な性質によって悪化し、微妙な病態的変化が何十年にもわたって臨床症状に先行することが多い。 本研究は, 日常的に収集された総合的な検査履歴を生かした新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 4.580825763935592
• License:
• Abstract: Early diagnosis of Alzheimer's Disease (AD) faces multiple data-related challenges, including high variability in patient data, limited access to specialized diagnostic tests, and overreliance on single-type indicators. These challenges are exacerbated by the progressive nature of AD, where subtle pathophysiological changes often precede clinical symptoms by decades. To address these limitations, this study proposes a novel approach that takes advantage of routinely collected general laboratory test histories for the early detection and differential diagnosis of AD. By modeling lab test sequences as "sentences", we apply word embedding techniques to capture latent relationships between tests and employ deep time series models, including long-short-term memory (LSTM) and Transformer networks, to model temporal patterns in patient records. Experimental results demonstrate that our approach improves diagnostic accuracy and enables scalable and costeffective AD screening in diverse clinical settings.
• Abstract（参考訳）: アルツハイマー病(AD)の早期診断は、患者のデータの多様性の高さ、専門的な診断検査へのアクセスの制限、単一タイプの指標への過度な依存など、複数のデータ関連の課題に直面している。 これらの課題はADの進行的な性質によって悪化し、微妙な病態的変化が何十年にもわたって臨床症状に先行することが多い。 本研究は,ADの早期発見と鑑別診断に日常的に収集された総合的な検査履歴を活用する新しいアプローチを提案する。 実験室テストシーケンスを"文"としてモデル化することにより、単語埋め込み技術を用いて、テスト間の潜時関係をキャプチャし、長期記憶(LSTM)やトランスフォーマーネットワークを含むディープ時系列モデルを用いて、患者の記録中の時間パターンをモデル化する。 実験の結果,本手法は診断精度を向上し,多種多様な臨床環境においてスケーラブルで費用対効果の高いADスクリーニングを可能にした。

関連論文リスト

• MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study [0.7751705157998379]
  アルツハイマー病(AD)と血管性認知症(VaD)は最も多い認知症である。 本稿では、ADとVaDを正確に区別する革新的なマルチオミクス手法を提案し、89.25%の精度で診断を行う。
  論文  参考訳（メタデータ） (2024-11-06T10:13:28Z)
• Statistical testing on generative AI anomaly detection tools in Alzheimer's Disease diagnosis [16.73336092521471]
  生成AIは、医療画像における異常検出の可能性を示している。 我々は、選択的推論を用いてこの問題を解決し、アルツハイマーの予測のための信頼できる生成AI手法を開発することを提案する。
  論文  参考訳（メタデータ） (2024-10-17T09:15:09Z)
• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
  深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。 われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
  論文  参考訳（メタデータ） (2024-05-02T09:41:31Z)
• OpenAPMax: Abnormal Patterns-based Model for Real-World Alzheimer's Disease Diagnosis [9.316162293112738]
  本稿では,アルツハイマー病の診断に対処するために,異常パターンに基づくオープンセット認識モデルOpenAPMaxを提案する。 提案手法の性能を最近のオープンセット認識を用いて評価し,その結果を得た。
  論文  参考訳（メタデータ） (2023-07-03T11:21:09Z)
• Tensor-Based Multi-Modality Feature Selection and Regression for Alzheimer's Disease Diagnosis [25.958167380664083]
  アルツハイマー病(AD)と軽度認知障害(MCI)の診断・バイオマーカー同定のための新しいテンソルベース多モード特徴選択と回帰法を提案する。 3つの画像モダリティを用いたADNIデータ解析における本手法の実用的利点について述べる。
  論文  参考訳（メタデータ） (2022-09-23T02:17:27Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• Deep Recurrent Model for Individualized Prediction of Alzheimer's Disease Progression [4.034948808542701]
  アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。 本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-06T08:08:00Z)

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。