論文の概要: Latent Factor Point Processes for Patient Representation in Electronic Health Records

• arxiv url: http://arxiv.org/abs/2508.20327v1
• Date: Thu, 28 Aug 2025 00:08:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-29 18:12:01.872224
• Title: Latent Factor Point Processes for Patient Representation in Electronic Health Records
• Title（参考訳）: 電子カルテにおける患者表現の潜在因子過程
• Authors: Parker Knight, Doudou Zhou, Zongqi Xia, Tianxi Cai, Junwei Lu,
• Abstract要約: ほとんどの統計的手法は、EHR符号の不規則なタイミングを単純なカウントに減らし、これにより豊富な時間構造を破棄する。 本稿では,コード発生を高次元のポイントプロセスとして表現する潜在因子点プロセスモデルを提案する。 この低ランク構造は、数千のコードが少数の基礎疾患プロセスによって管理されているという臨床的現実を反映している。
• 参考スコア（独自算出の注目度）: 12.377029213322198
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electronic health records (EHR) contain valuable longitudinal patient-level information, yet most statistical methods reduce the irregular timing of EHR codes into simple counts, thereby discarding rich temporal structure. Existing temporal models often impose restrictive parametric assumptions or are tailored to code level rather than patient-level tasks. We propose the latent factor point process model, which represents code occurrences as a high-dimensional point process whose conditional intensity is driven by a low dimensional latent Poisson process. This low-rank structure reflects the clinical reality that thousands of codes are governed by a small number of underlying disease processes, while enabling statistically efficient estimation in high dimensions. Building on this model, we introduce the Fourier-Eigen embedding, a patient representation constructed from the spectral density matrix of the observed process. We establish theoretical guarantees showing that these embeddings efficiently capture subgroup-specific temporal patterns for downstream classification and clustering. Simulations and an application to an Alzheimer's disease EHR cohort demonstrate the practical advantages of our approach in uncovering clinically meaningful heterogeneity.
• Abstract（参考訳）: 電子健康記録 (EHR) は, 貴重な患者レベル情報を含んでいるが, ほとんどの統計手法は, EHR符号の不規則なタイミングを単純なカウントに減らし, 豊富な時間構造を捨てる。 既存の時間モデルは、しばしば制限的なパラメトリック仮定を課すか、患者レベルのタスクよりもコードレベルに調整される。 本稿では,低次元の遅延ポアソン過程によって条件強度が駆動される高次元点過程として,コード発生を表現した潜在因子点過程モデルを提案する。 この低ランク構造は、数千のコードが少数の疾患プロセスによって管理されているという臨床的現実を反映し、高次元での統計的に効率的な推定を可能にしている。 このモデルに基づいて、観測プロセスのスペクトル密度行列から構築された患者表現であるフーリエ・エイゲン埋め込みを導入する。 これらの埋め込みが下流分類やクラスタリングのために,サブグループ固有の時間パターンを効果的に捉えていることを示す理論的保証を確立する。 アルツハイマー病のERHコホートに対するシミュレーションと応用は、臨床的に有意な異種性を明らかにする上で、我々のアプローチの実用的利点を実証するものである。

関連論文リスト

• Time-Aware Attention for Enhanced Electronic Health Records Modeling [8.4225455796455]
  TALE-EHR は Transformer ベースのフレームワークで,連続的な時間的ギャップを明示的にモデル化する,新たなタイムアウェアアテンション機構を備えている。 本手法は, 疾患進展予測などのタスクにおいて, 最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-07-20T07:32:41Z)
• Channel-Imposed Fusion: A Simple yet Effective Method for Medical Time Series Classification [11.520819583343128]
  本研究は、構造的透明性を重視したモデリングパラダイムに焦点を移し、医療データの本質的な特徴とより密接に一致させる。 本稿では,チャネル間情報融合による信号と雑音の比を高める新しい手法であるChannel Imposed Fusion (CIF)を提案する。 複数のパブリックなEEGおよびECGデータセットの実験結果は、提案手法が既存の最先端(SOTA)アプローチを様々な分類基準で上回るだけでなく、分類プロセスの透明性を著しく向上させ、医療時系列分類の新しい視点を提供することを示した。
  論文  参考訳（メタデータ） (2025-05-31T01:44:30Z)
• Semi-supervised Clustering Through Representation Learning of Large-scale EHR Data [5.591260685112265]
  SCOREは、患者埋め込みを通じて多領域の疾患プロファイルをキャプチャする半教師付き表現学習フレームワークである。 大規模データの計算課題に対処するため、ハイブリッド期待最大化(EM)とガウス変分近似(GVA)アルゴリズムを導入している。 分析の結果,ラベル付きデータの導入により精度が向上し,ラベル不足に対する感度が低下することがわかった。
  論文  参考訳（メタデータ） (2025-05-27T05:20:17Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• High Rank Path Development: an approach of learning the filtration of stochastic processes [6.245824251614165]
  そこで我々は,HRPCFD(High Rank PCF Distance)と呼ばれる新しい尺度を導入する。 そして、そのようなHRPCFDは、データからHRPCFDを訓練し、HRPCF-GANを構築するための効率的なアルゴリズムを設計できるように、多くの好意的な解析特性を許容していることを示す。 仮説テストと生成モデルの両方に関する数値実験は、いくつかの最先端手法と比較して、我々のアプローチのアウトパフォーマンスを検証している。
  論文  参考訳（メタデータ） (2024-05-23T13:20:47Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression [82.85825388788567]
  我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。 T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
  論文  参考訳（メタデータ） (2023-02-24T13:30:35Z)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• Concept-based model explanations for Electronic Health Records [1.6837409766909865]
  概念活性化ベクトル(TCAV)を用いたテストは、人間に理解可能な説明を提供する手段として最近導入された。 本手法を時系列データに拡張し,TCAVの適用をEHRの逐次予測に適用する。
  論文  参考訳（メタデータ） (2020-12-03T22:18:24Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)

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。