論文の概要: Graph-Theoretic Measures for Interpretable Multicriteria Decision Making in Emergency Department Layout Optimization

• arxiv url: http://arxiv.org/abs/2504.11620v1
• Date: Tue, 15 Apr 2025 21:16:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-24 22:50:21.001657
• Title: Graph-Theoretic Measures for Interpretable Multicriteria Decision Making in Emergency Department Layout Optimization
• Title（参考訳）: 救急部門レイアウト最適化における解釈可能な多基準決定のためのグラフ理論
• Authors: Ola Sarhan, Manal Abdel Wahed, Muhammad Ali Rushdi,
• Abstract要約: 救急部門(ED)の過密は、人口増加、パンデミックの出現、死亡率と死亡率の増加によって悪化する永続的な問題である。 本稿では,多目的メタヒューリスティック最適化フレームワークによるEDレイアウトの評価とランク付けのためのグラフ理論手法を提案する。
• 参考スコア（独自算出の注目度）: 1.3654846342364306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Overcrowding in emergency departments (ED) is a persistent problem exacerbated by population growth, emergence of pandemics, and increased morbidity and mortality rates. Thus, automated approaches for ED layout design have recently emerged as promising tools for boosting healthcare service quality. Still, ED design typically involves multiple conflicting objectives, where the interpretability of the associated solutions depends on the availability of intuitive metrics that can capture ED layout complexity. In this paper, we propose graph-theoretic measures to evaluate and rank ED layouts produced by a multi-objective metaheuristic optimization framework with the non-dominated sorting genetic algorithm (NSGA-II) and generalized differential evolution (GDE3). Indeed, Pareto-optimal ED layouts were sought to minimize patient flow cost while maximizing closeness between ED service areas. Then, the layouts were evaluated based on local graph measures (degree centrality, betweenness, clustering coefficient, closeness centrality, nodal strength, and eccentricity) as well as global ones (global efficiency, network characteristic path length and transitivity). Then, a multi-criteria decision-making technique was employed to rank the layouts based on either the objective functions, the graph measures, or combinations of both. The ranking results on a real-world scenario show that the top-ranking layouts are the ones with the best graph-theoretic values. This shows that the graph-theoretic measures can enhance solution interpretability and hence help medical planners in selecting the best layouts. In comparison with the input layout, optimal NSGA-II and GDE3 solutions reduce the patient flow cost by 18.32% and 11.42%, respectively. Also, the two solutions improve the closeness by 14.5% and 18.02%, respectively.
• Abstract（参考訳）: 救急部門(ED)の過密は、人口増加、パンデミックの出現、死亡率と死亡率の増加によって悪化する永続的な問題である。 このように、EDレイアウト設計のための自動化アプローチは、医療サービス品質を向上させるための有望なツールとして最近登場した。 それでも、ED設計は、一般的に複数の矛盾する目標を伴い、関連するソリューションの解釈可能性は、EDレイアウトの複雑さを捉えることのできる直感的なメトリクスの可用性に依存する。 本稿では,非支配的ソート遺伝的アルゴリズム(NSGA-II)と一般化微分進化(GDE3)を用いた多目的メタヒューリスティック最適化フレームワークにより生成されたEDレイアウトの評価とランク付けを行うグラフ理論手法を提案する。 実際、EDサービスエリア間の近接性を最大化しつつ、患者フローコストを最小限に抑えるため、パレート最適EDレイアウトが求められた。 次に, 局所グラフ測度(度重心性, クラスタリング係数, 近接度中心性, 結節強度, 偏心性)とグローバルな測度(グローバル効率, ネットワーク特性経路長, 推移性)に基づいて, レイアウトの評価を行った。 次に, 目的関数, グラフ測度, 組み合わせに基づいて, レイアウトのランク付けを行うために, 複数基準決定手法を用いた。 実世界のシナリオにおけるランキング結果は、最上位のレイアウトが最高のグラフ理論値を持つものであることを示している。 このことは、グラフ理論の尺度が解の解釈可能性を高め、医用プランナーが最適なレイアウトを選択するのに役立つことを示している。 入力レイアウトと比較して、最適なNSGA-IIとGDE3ソリューションは、それぞれ18.32%と11.42%の患者フローコストを削減している。 また、2つの解は密接度をそれぞれ14.5%と18.02%改善する。

関連論文リスト

• Balancing Fairness and Performance in Healthcare AI: A Gradient Reconciliation Approach [3.997371369137763]
  明示的な公平性を考慮せずにデプロイされたAIシステムは、既存の医療格差を悪化させるリスクを負う。 予測性能とマルチ属性フェアネス最適化のバランスをとる新しい勾配調整フレームワークであるFairGradを提案する。
  論文  参考訳（メタデータ） (2025-04-19T19:24:34Z)
• Flexible Graph Similarity Computation With A Proactive Optimization Strategy [22.212014309562427]
  グラフ編集距離(GED)は、グラフ検索において重要な類似度尺度である。 最近の学習に基づくアプローチは、ベクトル空間における表現間の距離とGEDを近似する。 フレキシブルGED計算のための新しい学習ベースアプローチであるグラフ編集ネットワーク(GEN)を提案する。
  論文  参考訳（メタデータ） (2025-04-09T02:16:46Z)
• Generative Risk Minimization for Out-of-Distribution Generalization on Graphs [71.48583448654522]
  本稿では,抽出ではなく,各入力グラフの不変部分グラフを生成するために,GRM (Generative Risk Minimization) という革新的なフレームワークを提案する。 我々は,ノードレベルのOOD一般化とグラフレベルのOOD一般化のために,さまざまな実世界のグラフデータセットに対して広範な実験を行う。
  論文  参考訳（メタデータ） (2025-02-11T21:24:13Z)
• Sequential Stochastic Combinatorial Optimization Using Hierarchal Reinforcement Learning [5.57541853212632]
  本稿では,上位層への適応的な予算配分と下位層へのノード選択を同時に決定する2層オプションベースフレームワークを提案する。 実験の結果,WS-option は従来の方法と比較して,有効性と一般化性が著しく向上していることがわかった。
  論文  参考訳（メタデータ） (2025-02-08T12:00:30Z)
• Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
  AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。 本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
  論文  参考訳（メタデータ） (2025-02-07T21:09:05Z)
• A Cascaded Dilated Convolution Approach for Mpox Lesion Classification [0.0]
  Mpoxウイルスは、他の皮膚疾患と視覚的に類似しているため、重要な診断上の課題を呈する。 深層学習に基づく皮膚病変分類のアプローチは、有望な代替手段を提供する。 本稿では,これらの課題に対処するためのCascaded Atrous Group Attentionフレームワークを紹介する。
  論文  参考訳（メタデータ） (2024-12-13T12:47:30Z)
• Stability and Generalization for Distributed SGDA [70.97400503482353]
  分散SGDAのための安定性に基づく一般化分析フレームワークを提案する。 我々は, 安定性の誤差, 一般化ギャップ, 人口リスクの包括的分析を行う。 理論的結果から,一般化ギャップと最適化誤差のトレードオフが明らかになった。
  論文  参考訳（メタデータ） (2024-11-14T11:16:32Z)
• Perspective+ Unet: Enhancing Segmentation with Bi-Path Fusion and Efficient Non-Local Attention for Superior Receptive Fields [19.71033340093199]
  本稿では,医療画像のセグメンテーションの限界を克服する新しいアーキテクチャであるspective+Unetを提案する。 このフレームワークは ENLTB という名前の効率的な非局所トランスフォーマーブロックを組み込んでおり、これはカーネル関数近似を利用して、効率的な長距離依存性キャプチャを行う。 ACDCとデータセットに関する実験結果から,提案したパースペクティブ+Unetの有効性が示された。
  論文  参考訳（メタデータ） (2024-06-20T07:17:39Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via Optimization Trajectory Distillation [73.83178465971552]
  自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。 非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。 本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
  論文  参考訳（メタデータ） (2023-07-27T08:58:05Z)
• GraphCare: Enhancing Healthcare Predictions with Personalized Knowledge Graphs [44.897533778944094]
  textscGraphCareは、外部知識グラフを使用してEHRベースの予測を改善するオープンワールドフレームワークである。 本手法は,患者固有のKGを構築するために,大規模言語モデル(LLM)と外部生物医学的KGから知識を抽出する。 textscGraphCareは、4つの重要な医療予測タスクのベースラインを超えている。
  論文  参考訳（メタデータ） (2023-05-22T07:35:43Z)
• Distributed Multi-Agent Reinforcement Learning Based on Graph-Induced Local Value Functions [7.6860514640178]
  協調型マルチエージェント強化学習(MARL)のための計算効率の良い分散フレームワークを提案する。 MARLにおける3種類のエージェント間カップリングを記述した3つのカップリンググラフを導入する。 結合グラフから導出した局所値関数に基づく2つの分散RL手法を提案する。
  論文  参考訳（メタデータ） (2022-02-26T03:01:51Z)
• StairwayGraphNet for Inter- and Intra-modality Multi-resolution Brain Graph Alignment and Synthesis [1.6114012813668934]
  本稿では,SG-Net(SteairwayGraphNet)フレームワークを提案する。このフレームワークは,対象とするグラフのモダリティを,与えられたモダリティと超解像脳グラフに基づいて推定する。 我々のSG-Netは、(i)ドメイン間の新しいグラフ生成逆数ネットワークに基づくソースからのターゲットグラフ予測、(ii)時間を要する高価なMRI処理ステップに頼らずに高解像度の脳グラフを生成する、(iii)ソース分布を基底真理グラフに合わせるように強制する、という3つの主なコントリビューションで構成されています。
  論文  参考訳（メタデータ） (2021-10-06T09:49:38Z)
• Resource Planning for Hospitals Under Special Consideration of the COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
  新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。 BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。 BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
  論文  参考訳（メタデータ） (2021-05-16T12:38:35Z)

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。

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。