論文の概要: Delta-KNN: Improving Demonstration Selection in In-Context Learning for Alzheimer's Disease Detection

• arxiv url: http://arxiv.org/abs/2506.03476v1
• Date: Wed, 04 Jun 2025 01:14:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.100202
• Title: Delta-KNN: Improving Demonstration Selection in In-Context Learning for Alzheimer's Disease Detection
• Title（参考訳）: Delta-KNN:アルツハイマー病検出のための文脈学習における実証選択の改善
• Authors: Chuyuan Li, Raymond Li, Thalia S. Field, Giuseppe Carenini,
• Abstract要約: アルツハイマー病(英語: Alzheimer's Disease、AD)は、認知症につながる進行性神経変性疾患であり、早期の介入は、疾患の異常を分析することで大きな恩恵を受ける。 本研究では,患者生成テキストからAD診断を行うための健康アシスタントとして,Large Language Models (LLMs) の可能性を検討する。 ICL性能を向上させる新しいデモ選択戦略であるDelta-KNNを紹介する。
• 参考スコア（独自算出の注目度）: 17.171269816416178
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alzheimer's Disease (AD) is a progressive neurodegenerative disorder that leads to dementia, and early intervention can greatly benefit from analyzing linguistic abnormalities. In this work, we explore the potential of Large Language Models (LLMs) as health assistants for AD diagnosis from patient-generated text using in-context learning (ICL), where tasks are defined through a few input-output examples. Empirical results reveal that conventional ICL methods, such as similarity-based selection, perform poorly for AD diagnosis, likely due to the inherent complexity of this task. To address this, we introduce Delta-KNN, a novel demonstration selection strategy that enhances ICL performance. Our method leverages a delta score to assess the relative gains of each training example, coupled with a KNN-based retriever that dynamically selects optimal "representatives" for a given input. Experiments on two AD detection datasets across three open-source LLMs demonstrate that Delta-KNN consistently outperforms existing ICL baselines. Notably, when using the Llama-3.1 model, our approach achieves new state-of-the-art results, surpassing even supervised classifiers.
• Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's Disease、AD)は、認知症につながる進行性神経変性疾患であり、早期の介入は、疾患の異常を分析することで大きな恩恵を受ける。 In-context Learning (ICL) を用いた患者生成テキストからAD診断を行うための健康アシスタントとして,大規模言語モデル (LLM) の可能性を探る。 実験結果から,従来のICL法,例えば類似性に基づく選択法はAD診断に適さないことが判明した。 そこで本研究では,ICL性能を向上させる新しいデモ選択戦略であるDelta-KNNを紹介する。 本手法は,各学習例の相対的な利得を評価するためにデルタスコアを利用するとともに,与えられた入力に対して最適な「表現」を動的に選択するKNNベースの検索器を併用する。 3つのオープンソースLCMにわたるAD検出データセットの2つの実験は、Delta-KNNが既存のICLベースラインを一貫して上回っていることを示している。 特に,Llama-3.1モデルを用いることで,教師付き分類器を超越して,新たな最先端結果が得られる。

関連論文リスト

• PHGNN: A Novel Prompted Hypergraph Neural Network to Diagnose Alzheimer's Disease [2.1496312331703935]
  本稿では,ハイパーグラフに基づく学習と即時学習を統合した新しいPmpted Hypergraph Neural Network (PHGNN) フレームワークを提案する。 本モデルは,ADNIデータセットにおける広範囲な実験により検証され,AD診断とMCI変換予測の両方においてSOTA法より優れていた。
  論文  参考訳（メタデータ） (2025-03-18T16:10:43Z)
• Recognition of Dysarthria in Amyotrophic Lateral Sclerosis patients using Hypernetworks [7.182245711235296]
  変形の認識にハイパーネットを取り入れた最初の研究について述べる。 具体的には、オーディオファイルを使用し、それをlog-Mel Spectrogram、delta、delta-deltaに変換し、トレーニング済みの修正AlexNetモデルに渡します。 その結果,提案手法の精度は82.66%に向上した。
  論文  参考訳（メタデータ） (2025-02-27T15:57:37Z)
• AD-LLM: Benchmarking Large Language Models for Anomaly Detection [50.57641458208208]
  本稿では,大規模な言語モデルが異常検出にどのように役立つかを評価する最初のベンチマークであるAD-LLMを紹介する。 我々は、ゼロショット検出、LLMの事前訓練された知識を用いて、タスク固有のトレーニングなしでADを実行すること、データ拡張、ADモデルを改善するために合成データとカテゴリ記述を生成すること、LLMを使用して教師なしADモデルを提案するモデル選択の3つの主要なタスクについて検討する。
  論文  参考訳（メタデータ） (2024-12-15T10:22:14Z)
• An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease [13.213387075528017]
  アルツハイマー病(英語: Alzheimer's disease, AD)は、認知機能障害(Mild Cognitive Impairment, MCI)として知られる前ドロマステージを含む認知症である。 この研究の目的は、マルチモーダルMRIデータと単一核化物多型に依存する脳構造と機能の構造的・機能的調節を捉えることである。
  論文  参考訳（メタデータ） (2024-06-19T07:31:47Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Normative Modeling via Conditional Variational Autoencoder and Adversarial Learning to Identify Brain Dysfunction in Alzheimer's Disease [10.302206705998563]
  アルツハイマー病(AD)の脳機能障害を同定するために、条件付き変分オートエンコーダと対向学習(ACVAE)を組み合わせた新しい規範的モデリング法を提案する。 OASIS-3データベースを用いた実験により,本モデルが生成する偏差マップは,他の深部規範モデルと比較してADに対する感度が高いことが示された。
  論文  参考訳（メタデータ） (2022-11-13T07:36:30Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)

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。