論文の概要: Towards Gaussian processes modelling to study the late effects of radiotherapy in children and young adults with brain tumours
- arxiv url: http://arxiv.org/abs/2510.26814v1
- Date: Mon, 27 Oct 2025 15:36:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-03 17:52:15.843208
- Title: Towards Gaussian processes modelling to study the late effects of radiotherapy in children and young adults with brain tumours
- Title（参考訳）: ガウス過程のモデリングによる小児・若年者脳腫瘍に対する放射線治療の後期効果の研究
- Authors: Angela Davey, Arthur Leroy, Eliana Vasquez Osorio, Kate Vaughan, Peter Clayton, Marcel van Herk, Mauricio A Alvarez, Martin McCabe, Marianne Aznar,
- Abstract要約: 小児がんの生存には、放射線治療による副作用を生涯監視する必要がある。
定期的なモニタリングからの経時的データは、しばしばまれに、不規則にサンプリングされる。
GPモデリングは、通常の経時的データの制限を克服し、放射線治療の後期効果の分析を容易にする。
- 参考スコア（独自算出の注目度）: 0.37922648688908517
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Survivors of childhood cancer need lifelong monitoring for side effects from radiotherapy. However, longitudinal data from routine monitoring is often infrequently and irregularly sampled, and subject to inaccuracies. Due to this, measurements are often studied in isolation, or simple relationships (e.g., linear) are used to impute missing timepoints. In this study, we investigated the potential role of Gaussian Processes (GP) modelling to make population-based and individual predictions, using insulin-like growth factor 1 (IGF-1) measurements as a test case. With training data of 23 patients with a median (range) of 4 (1-16) timepoints we identified a trend within the range of literature reported values. In addition, with 8 test cases, individual predictions were made with an average root mean squared error of 31.9 (10.1 - 62.3) ng/ml and 27.4 (0.02 - 66.1) ng/ml for two approaches. GP modelling may overcome limitations of routine longitudinal data and facilitate analysis of late effects of radiotherapy.
- Abstract（参考訳）: 小児がんの生存には、放射線治療による副作用を生涯監視する必要がある。
しかし、定期的なモニタリングによる経時的データは、しばしば頻度が低く、不規則にサンプリングされ、不正確である。
このため、測定はしばしば孤立して研究され、あるいは単純な関係(例えば線形)は欠落した時間ポイントを暗示するために用いられる。
本研究では,インスリン様成長因子1(IGF-1)測定をテストケースとして,個体群ベースおよび個体群予測のためのガウス過程(GP)モデルの有用性を検討した。
中央値(範囲)が4 (1-16) の患者23名を対象に, 文献報告値の範囲内での傾向を確認した。
さらに8つのテストケースで、平均根平均二乗誤差は31.9 (10.1 - 62.3) ng/mlと27.4 (0.02 - 66.1) ng/mlの2つのアプローチで予測された。
GPモデリングは、通常の経時的データの制限を克服し、放射線治療の後期効果の分析を容易にする。
関連論文リスト
- Multi-Task Diffusion Approach For Prediction of Glioma Tumor Progression [0.6978367196609415]
グリオーマは攻撃的な脳腫瘍であり、正確な進化予測に重大な課題をもたらす。
本稿では,グリオーマ進行の時間依存的,ピクセルワイドな予測のためのマルチタスク拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-13T14:42:46Z) - A Machine Learning Approach to Volumetric Computations of Solid Pulmonary Nodules [12.415286588339901]
マルチスケール3次元畳み込みニューラルネットワーク(CNN)とサブタイプ固有のバイアス補正を組み合わせた高精度なボリューム推定手法を提案する。
その結果,処理速度において17ポイント以上の誤差が減少し,3倍の高速化が得られた。
論文 参考訳（メタデータ） (2025-08-26T03:36:32Z) - Fast-staged CNN Model for Accurate pulmonary diseases and Lung cancer detection [0.0]
本研究は, 肺がん, 特に肺結節の検出を目的とした深層学習モデルと, 胸部X線写真を用いた8つの肺病理組織について検討した。
アンサンブル法とトランスファーラーニングを利用した2段階分類システムを用いて,最初のトリアージ画像を正規あるいは異常に分類する。
このモデルでは、最高の性能の精度は77%、感度は0.713、特異度は0.776、AUCスコアは0.888である。
論文 参考訳（メタデータ） (2024-12-16T11:47:07Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。
提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。
実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
論文 参考訳（メタデータ） (2023-07-02T05:26:54Z) - Foresight -- Deep Generative Modelling of Patient Timelines using
Electronic Health Records [46.024501445093755]
医学史の時間的モデリングは、将来の出来事を予測し、シミュレートしたり、リスクを見積り、代替診断を提案したり、合併症を予測するために使用することができる。
我々は、文書テキストを構造化されたコード化された概念に変換するためにNER+Lツール(MedCAT)を使用する新しいGPT3ベースのパイプラインであるForesightを提示する。
論文 参考訳（メタデータ） (2022-12-13T19:06:00Z) - Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。
グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。
当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
論文 参考訳（メタデータ） (2022-04-22T17:27:00Z) - Multimodal spatiotemporal graph neural networks for improved prediction
of 30-day all-cause hospital readmission [4.609543591101764]
本研究では,30日間の院内通院予測のためのマルチモーダル・モダリティ非依存型グラフニューラルネットワーク(MM-STGNN)を提案する。
MM-STGNNは、プライマリデータセットと外部データセットの両方で0.79のAUを達成する。
心臓・血管疾患患者のサブセットでは,30日間の寛解予測において,ベースラインよりも優れていた。
論文 参考訳（メタデータ） (2022-04-14T05:50:07Z) - Comparative Analysis of Machine Learning Approaches to Analyze and
Predict the Covid-19 Outbreak [10.307715136465056]
疫学領域における新型コロナウイルスの流行を予測するための機械学習(ML)アプローチの比較分析を行った。
これらの結果から,短期的政策の意思決定を支援するMLアルゴリズムの利点が明らかになった。
論文 参考訳（メタデータ） (2021-02-11T11:57:33Z) - Joint Prediction and Time Estimation of COVID-19 Developing Severe
Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。
提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。
提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文 参考訳（メタデータ） (2020-05-07T12:16:37Z)
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。