Fugu-MT 論文翻訳(概要): Sample size determination for machine learning in medical research

論文の概要: Sample size determination for machine learning in medical research

arxiv url: http://arxiv.org/abs/2503.05809v1
Date: Tue, 04 Mar 2025 07:33:45 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-11 15:45:38.384147
Title: Sample size determination for machine learning in medical research
Title（参考訳）: 医学研究における機械学習のためのサンプルサイズ決定
Authors: Wan Nor Arifin, Najib Majdi Yaacob,
Abstract要約: 機械学習(ML)の手法は、医学研究の様々な領域でますます使われている。本稿では,MLを用いた医学研究のためのサンプルサイズ決定手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Machine learning (ML) methods are being increasingly used across various domains of medicine research. However, despite advancements in the use of ML in medicine, clear and definitive guidelines for determining sample sizes in medical ML research are lacking. This article proposes a method for determining sample sizes for medical research utilizing ML methods, beginning with the determination of the testing set sample size, followed with the determination of the training set and total sample sizes.
Abstract（参考訳）: 機械学習(ML)の手法は、医学研究の様々な領域でますます使われている。しかし、医学におけるMLの使用の進歩にもかかわらず、医学ML研究における標本サイズを決定するための明確かつ決定的なガイドラインが欠如している。本稿では,ML法を応用した検体サイズ決定法について,まず検体サイズの決定から始まり,次いで検体サイズと総検体サイズを決定する方法を提案する。

関連論文リスト

Fact or Guesswork? Evaluating Large Language Model's Medical Knowledge with Structured One-Hop Judgment [108.55277188617035]
大規模言語モデル(LLM)は、様々な下流タスクドメインで広く採用されているが、実際の医学的知識を直接呼び起こし適用する能力はいまだ探索されていない。既存の医療QAベンチマークの多くは、複雑な推論やマルチホップ推論を評価しており、LSM固有の医療知識を推論能力から切り離すことが困難である。 LLMの1ホップの医療知識を測定するために特別に設計されたデータセットであるMedical Knowledge Judgmentを紹介する。
論文参考訳（メタデータ） (2025-02-20T05:27:51Z)
MedDec: A Dataset for Extracting Medical Decisions from Discharge Summaries [18.05326386854129]
メドデック」データセットには10種類の医学的判断によって注釈付けされた11種類の表現型(障害)の臨床ノートが含まれている。本研究の目的は,臨床ノート内で異なるタイプの医療判断を共同で抽出し,分類することである。
論文参考訳（メタデータ） (2024-08-23T10:54:44Z)
MedCalc-Bench: Evaluating Large Language Models for Medical Calculations [18.8552481902506]
医学における大規模言語モデル(LLM)を評価するための現在のベンチマークは、主にドメイン知識と記述的推論を含む質問応答に焦点を当てている。我々は,LSMの医療計算能力を評価することを目的とした,第一種データセットであるMedCalc-Benchを提案する。
論文参考訳（メタデータ） (2024-06-17T19:07:21Z)
Out-of-distribution Detection in Medical Image Analysis: A survey [12.778646136644399]
コンピュータ支援診断は、ディープラーニングベースのコンピュータビジョン技術の発展の恩恵を受けている。従来の教師付きディープラーニング手法は、テストサンプルがトレーニングデータと同じ分布から引き出されることを前提としている。実際の臨床シナリオでは分布外のサンプルに遭遇し、深層学習に基づく医用画像解析タスクにおいてサイレント障害を引き起こす可能性がある。
論文参考訳（メタデータ） (2024-04-28T18:51:32Z)
MedBench: A Large-Scale Chinese Benchmark for Evaluating Medical Large Language Models [56.36916128631784]
中国の医療分野の総合的なベンチマークであるMedBenchを紹介する。このベンチマークは、中国の医療ライセンス試験、居住者標準化訓練試験、および現実世界のクリニックの4つの主要なコンポーネントで構成されている。幅広い実験を行い, 多様な視点から詳細な分析を行い, 以下の結果を得た。
論文参考訳（メタデータ） (2023-12-20T07:01:49Z)
Sample Size in Natural Language Processing within Healthcare Research [0.14865681381012494]
事前収集されたデータの十分なコーパスの欠如は、新しい研究のためにサンプルサイズを決定する際の制限要因となる可能性がある。本稿では、医療領域におけるテキスト分類タスクのサンプルサイズを推奨することで、この問題に対処しようとする。
論文参考訳（メタデータ） (2023-09-05T13:42:43Z)
Automated Medical Coding on MIMIC-III and MIMIC-IV: A Critical Review and Replicability Study [60.56194508762205]
我々は、最先端の医療自動化機械学習モデルを再現し、比較し、分析する。その結果, 弱い構成, サンプル化の不十分さ, 評価の不十分さなどにより, いくつかのモデルの性能が低下していることが判明した。再生モデルを用いたMIMIC-IVデータセットの総合評価を行った。
論文参考訳（メタデータ） (2023-04-21T11:54:44Z)
Measuring Data [79.89948814583805]
我々は、機械学習データとデータセットの構成を定量的に特徴付けるために、データを測定するタスクを特定する。データ測定は、比較をサポートする共通の次元に沿って、データの異なる属性を定量化する。我々は、今後の研究の多くの方法、データ測定の限界、そしてこれらの測定手法を研究・実践に活用する方法について議論した。
論文参考訳（メタデータ） (2022-12-09T22:10:46Z)
Solving Inverse Problems in Medical Imaging with Score-Based Generative Models [87.48867245544106]
CT(Computed Tomography)とMRI(Magnetic Resonance Imaging)における医用画像の再構成は重要な逆問題である機械学習に基づく既存のソリューションは通常、測定結果を医療画像に直接マッピングするモデルを訓練する。本稿では,最近導入されたスコアベース生成モデルを利用して,逆問題解決のための教師なし手法を提案する。
論文参考訳（メタデータ） (2021-11-15T05:41:12Z)
Machine Learning and Glioblastoma: Treatment Response Monitoring Biomarkers in 2021 [0.3266995794795542]
組織的検討の目的は,成人のグリオブラスト腫治療反応モニタリングバイオマーカーの診断検査精度に関する最近の研究を評価することである。 MRI機能を使用して進行と模倣を区別する機械学習モデルの良好な診断性能がある可能性が高い。暗黙的特徴を用いたMLの診断性能は明示的特徴を用いたMLよりも優れていなかった。
論文参考訳（メタデータ） (2021-04-15T10:49:34Z)
Benchmarking off-the-shelf statistical shape modeling tools in clinical applications [53.47202621511081]
我々は、広く使われている最先端のSSMツールの結果を体系的に評価する。解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。 ShapeWorks と Deformetrica の形状モデルは臨床的に関連する集団レベルの変動を捉えている。
論文参考訳（メタデータ） (2020-09-07T03:51:35Z)

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。