論文の概要: A Recommender System Based on Binary Matrix Representations for Cognitive Disorders

• arxiv url: http://arxiv.org/abs/2511.18645v1
• Date: Sun, 23 Nov 2025 23:04:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.947317
• Title: A Recommender System Based on Binary Matrix Representations for Cognitive Disorders
• Title（参考訳）: 認知障害に対する二項行列表現に基づくレコメンダシステム
• Authors: Raoul H. Kutil, Georg Zimmermann, Christian Borgelt,
• Abstract要約: 本研究の目的は,二項行列表現を用いた認知障害診断のためのレコメンデータシステムの開発である。 推奨システムのプロトタイプがPythonで実装された。 これはプロトタイプであるが、推奨システムは臨床支援ツールとしての可能性を示している。
• 参考スコア（独自算出の注目度）: 6.718184400443238
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diagnosing cognitive (mental health) disorders is a delicate and complex task. Identifying the next most informative symptoms to assess, in order to distinguish between possible disorders, presents an additional challenge. This process requires comprehensive knowledge of diagnostic criteria and symptom overlap across disorders, making it difficult to navigate based on symptoms alone. This research aims to develop a recommender system for cognitive disorder diagnosis using binary matrix representations. The core algorithm utilizes a binary matrix of disorders and their symptom combinations. It filters through the rows and columns based on the patient's current symptoms to identify potential disorders and recommend the most informative next symptoms to examine. A prototype of the recommender system was implemented in Python. Using synthetic test and some real-life data, the system successfully identified plausible disorders from an initial symptom set and recommended further symptoms to refine the diagnosis. It also provided additional context on the symptom-disorder relationships. Although this is a prototype, the recommender system shows potential as a clinical support tool. A fully-developed application of this recommender system may assist mental health professionals in identifying relevant disorders more efficiently and guiding symptom-specific follow-up investigations to improve diagnostic accuracy.
• Abstract（参考訳）: 認知障害(精神健康)の診断は繊細で複雑な作業である。 可能性のある障害を識別するために、評価する上で最も有益な症状を特定することは、さらなる課題となる。 このプロセスは、診断基準の包括的な知識と障害間の重なり合う症状を必要とするため、症状だけではナビゲートが困難である。 本研究の目的は,二項行列表現を用いた認知障害診断のためのレコメンデータシステムの開発である。 コアアルゴリズムは障害のバイナリ行列とその症状の組み合わせを利用する。 患者の現在の症状に基づいて行や列をフィルタリングし、潜在的な疾患を特定し、検査する上で最も有益な次の症状を推奨する。 推奨システムのプロトタイプがPythonで実装された。 合成検査といくつかの実生活データを用いて、システムは最初の症状セットから可塑性障害を同定し、診断を洗練させるためにさらなる症状を推奨した。 また、症状-相違関係に関する追加の文脈も提供した。 これはプロトタイプであるが、推奨システムは臨床支援ツールとしての可能性を示している。 このリコメンデーターシステムの完全な応用は、精神保健専門家が関連疾患をより効率的に識別し、症状特異的な追跡調査を誘導し、診断精度を向上させるのに役立つ。

関連論文リスト

• Towards the Identifiability and Explainability for Personalized Learner Modeling: An Inductive Paradigm [36.60917255464867]
  本稿では,エンコーダ・デコーダモデルにインスパイアされた新しい応答効率応答パラダイムに基づく,識別可能な認知診断フレームワークを提案する。 診断精度を損なうことなく,ID-CDFが効果的に対処できることが示唆された。
  論文  参考訳（メタデータ） (2023-09-01T07:18:02Z)
• CoAD: Automatic Diagnosis through Symptom and Disease Collaborative Generation [37.25451059168202]
  CoADは病気と症状の協調生成フレームワークである。 自動的な疾患診断を改善するために、いくつかの重要な革新が組み込まれている。 過去の診断結果よりも平均2.3%改善している。
  論文  参考訳（メタデータ） (2023-07-17T07:24:55Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• DxFormer: A Decoupled Automatic Diagnostic System Based on Decoder-Encoder Transformer with Dense Symptom Representations [26.337392652262103]
  診断指向対話システムは患者の健康状態を照会し、患者との継続的な対話を通じて疾患の予測を行う。 本稿では,診断プロセスを症状調査と疾患診断の2つの段階に分割する,分離された自動診断フレームワークDxFormerを提案する。 提案モデルは,医師の臨床経験を効果的に学習し,症状のリコールと診断精度の点で最先端の結果を得ることができる。
  論文  参考訳（メタデータ） (2022-05-08T01:52:42Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)
• Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
  医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。 この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。 本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
  論文  参考訳（メタデータ） (2020-03-14T02:05:54Z)

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。