論文の概要: Identifying Critical Pathways in Coronary Heart Disease via Fuzzy Subgraph Connectivity

• arxiv url: http://arxiv.org/abs/2509.16288v1
• Date: Fri, 19 Sep 2025 08:04:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.722994
• Title: Identifying Critical Pathways in Coronary Heart Disease via Fuzzy Subgraph Connectivity
• Title（参考訳）: ファジィサブグラフ接続による冠動脈疾患のクリティカルパスの同定
• Authors: Shanookha Ali, Nitha Niralda P C,
• Abstract要約: 冠動脈疾患(CHD)は、コントロール不能な因子、コントロール不能なライフスタイル因子、臨床指標の複雑な相互作用から生じる。 ファジィサブグラフ接続(FSC)は、そのような不正確性を捉えるための体系的なツールを提供する。 FSCは、CHDリスク予測の不確実性をモデル化し、臨床意思決定を支援するための、解釈可能で堅牢なフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coronary heart disease (CHD) arises from complex interactions among uncontrollable factors, controllable lifestyle factors, and clinical indicators, where relationships are often uncertain. Fuzzy subgraph connectivity (FSC) provides a systematic tool to capture such imprecision by quantifying the strength of association between vertices and subgraphs in fuzzy graphs. In this work, a fuzzy CHD graph is constructed with vertices for uncontrollable, controllable, and indicator components, and edges weighted by fuzzy memberships. Using FSC, we evaluate connectivity to identify strongest diagnostic routes, dominant risk factors, and critical bridges. Results show that FSC highlights influential pathways, bounds connectivity between weakest and strongest correlations, and reveals critical edges whose removal reduces predictive strength. Thus, FSC offers an interpretable and robust framework for modeling uncertainty in CHD risk prediction and supporting clinical decision-making.
• Abstract（参考訳）: 冠状心疾患(CHD)は、コントロール不能な因子、コントロール不能なライフスタイル因子、およびしばしば不確実な臨床指標の間の複雑な相互作用から生じる。 ファジィ部分グラフ接続(FSC)は、ファジィグラフにおける頂点と部分グラフの関連性の強さを定量化することにより、そのような不正確性を捉えるための体系的なツールを提供する。 この研究では、ファジィCHDグラフは制御不能、制御不能、インジケータコンポーネントのための頂点とファジィメンバシップによって重み付けされたエッジで構成されている。 FSCを用いて,最強の診断経路,主要危険因子,重要な橋梁の同定に接続性を評価する。 その結果、FSCは影響経路を強調し、最も弱い相関関係と強い相関関係を結び付け、除去が予測強度を低下させる臨界エッジを明らかにする。 したがって、FCCはCHDリスク予測の不確実性をモデル化し、臨床的意思決定を支援するための、解釈可能で堅牢なフレームワークを提供する。

関連論文リスト

• Causal knowledge graph analysis identifies adverse drug effects [0.8953677815921737]
  因果知識グラフ(CKG)の新たな定式化について紹介する。 CKGは知識グラフを形式的な因果意味論で拡張し、因果推論を原則化しながら、その推論能力を保存する。 我々は, 疾患進行経路, 薬物の表示, 副作用, 階層的疾患分類を統合化して, 大規模メディエーション分析の自動化を実現した薬物系CKGを構築した。
  論文  参考訳（メタデータ） (2025-05-11T11:35:43Z)
• A Conjoint Graph Representation Learning Framework for Hypertension Comorbidity Risk Prediction [0.6718184400443239]
  糖尿病と冠動脈疾患のリスクを予測するためのコンジョイントグラフ表現学習フレームワークを開発した。 このフレームワークは、他の強力なモデルよりも精度の高い予測を提供する。
  論文  参考訳（メタデータ） (2025-05-08T09:47:51Z)
• Integrating Probabilistic Trees and Causal Networks for Clinical and Epidemiological Data [18.539194412343104]
  本研究では,確率因果核融合(PCF)フレームワークを紹介する。 PCFはCausal Bayesian Networks (CBN)とProbability Trees (PTrees)を統合し、予測を超えて拡張する。 3つの現実世界の医療データセットで検証された。
  論文  参考訳（メタデータ） (2025-01-27T11:34:19Z)
• Utilizing Causal Network Markers to Identify Tipping Points ahead of Critical Transition [6.7741619010943]
  本稿では因果性指標を取り入れた因果性ネットワークマーカー(CNM)の枠組みを提案する。 臨界遷移に先立って先端点を検出し同定するために、2つのマーカーを設計する。 応用の最も可能性の高い方向は、臨床疾患の尖点の同定である。
  論文  参考訳（メタデータ） (2024-12-19T05:10:47Z)
• HACSurv: A Hierarchical Copula-Based Approach for Survival Analysis with Dependent Competing Risks [51.95824566163554]
  本稿では,階層型アルキメデスコピュラス構造を学習する生存分析手法であるHACSurvを紹介する。 リスクと検閲の間の依存関係をキャプチャすることで、HACSurvは生存予測の精度を向上させる。
  論文  参考訳（メタデータ） (2024-10-19T18:52:18Z)
• Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
  本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。 信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
  論文  参考訳（メタデータ） (2023-01-25T19:35:23Z)
• Towards Reliable Medical Image Segmentation by Modeling Evidential Calibrated Uncertainty [57.023423137202485]
  医用画像のセグメンテーションの信頼性に関する懸念が臨床医の間で続いている。 本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を活用することで、医用画像分割の確率と不確実性を明示的にモデル化する。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)

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。