論文の概要: Profile Generators: A Link between the Narrative and the Binary Matrix Representation
- arxiv url: http://arxiv.org/abs/2511.19506v1
- Date: Sun, 23 Nov 2025 22:44:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 17:37:04.052504
- Title: Profile Generators: A Link between the Narrative and the Binary Matrix Representation
- Title（参考訳）: プロファイルジェネレータ: ナラティブとバイナリマトリックス表現のリンク
- Authors: Raoul H. Kutil, Georg Zimmermann, Barbara Strasser-Kirchweger, Christian Borgelt,
- Abstract要約: 本研究は,DSM-5の物語形式と二項行列表現を関連付ける代替表現を開発する。
症状プロファイルジェネレータ(または単にジェネレータ)は、バイナリマトリックスの可読性、適応性、包括的な代替手段を提供する。
- 参考スコア（独自算出の注目度）: 6.149772262764599
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mental health disorders, particularly cognitive disorders defined by deficits in cognitive abilities, are described in detail in the DSM-5, which includes definitions and examples of signs and symptoms. A simplified, machine-actionable representation was developed to assess the similarity and separability of these disorders, but it is not suited for the most complex cases. Generating or applying a full binary matrix for similarity calculations is infeasible due to the vast number of symptom combinations. This research develops an alternative representation that links the narrative form of the DSM-5 with the binary matrix representation and enables automated generation of valid symptom combinations. Using a strict pre-defined format of lists, sets, and numbers with slight variations, complex diagnostic pathways involving numerous symptom combinations can be represented. This format, called the symptom profile generator (or simply generator), provides a readable, adaptable, and comprehensive alternative to a binary matrix while enabling easy generation of symptom combinations (profiles). Cognitive disorders, which typically involve multiple diagnostic criteria with several symptoms, can thus be expressed as lists of generators. Representing several psychotic disorders in generator form and generating all symptom combinations showed that matrix representations of complex disorders become too large to manage. The MPCS (maximum pairwise cosine similarity) algorithm cannot handle matrices of this size, prompting the development of a profile reduction method using targeted generator manipulation to find specific MPCS values between disorders. The generators allow easier creation of binary representations for large matrices and make it possible to calculate specific MPCS cases between complex disorders through conditional generators.
- Abstract（参考訳）: メンタルヘルス障害、特に認知能力障害によって定義される認知障害は、DSM-5で詳細に説明され、徴候や症状の定義や例を含んでいる。
これらの障害の類似性と分離性を評価するため、単純化された機械操作可能な表現が開発されたが、最も複雑な症例には適していない。
類似性計算のための完全なバイナリ行列の生成または適用は、多くの症状の組み合わせのために不可能である。
本研究は,DSM-5の物語形式と2進行列表現をリンクする代替表現を開発し,有効な症状の組み合わせの自動生成を可能にする。
リスト、集合、数値の厳密な事前定義された形式を用いて、多くの症状の組み合わせを含む複雑な診断経路を表現できる。
この形式は、症状プロファイルジェネレータ(または単にジェネレータ)と呼ばれ、読みやすく、適応可能で包括的なバイナリマトリックスの代替を提供すると同時に、症状の組み合わせ(現象)を容易に生成することを可能にする。
複数の症状を伴う複数の診断基準を含む認知障害は、ジェネレータのリストとして表される。
いくつかの精神疾患をジェネレータ形式で表現し、すべての症状の組み合わせを生成することは、複雑な疾患の行列表現が管理するには大きすぎることを示した。
MPCS (maximum pairwise cosine similarity) アルゴリズムは、このサイズの行列を扱えないため、ターゲットジェネレータによるプロファイル低減法を開発し、障害間の特定のMPCS値を求める。
ジェネレータは、大きな行列のバイナリ表現を容易に作成することができ、条件付きジェネレータを介して複雑な障害間の特定のMPCSケースを計算することができる。
関連論文リスト
- Empirical Bayes Linked Matrix Decomposition [0.0]
この問題に対する経験的変分ベイズ的アプローチを提案する。
単一行列文脈において新規な反復的計算手法について述べる。
提案手法は,下層の低ランク信号の回復に関して,異なるシナリオ下で非常によく機能することを示す。
論文 参考訳（メタデータ） (2024-08-01T02:13:11Z) - Multimodal Prototyping for cancer survival prediction [45.61869793509184]
ギガピクセルヒストロジー全体スライディング画像(WSI)と転写学的プロファイルを組み合わせたマルチモーダルサバイバル法は,患者の予後と成層化に特に有望である。
現在のアプローチでは、WSIを小さなパッチ(>10,000パッチ)にトークン化し、トランスクリプトミクスを遺伝子グループに分割し、結果を予測するためにTransformerを使用して統合する。
このプロセスは多くのトークンを生成し、これは注意を計算するための高いメモリ要求をもたらし、ポストホック解釈可能性分析を複雑にする。
我々のフレームワークは、新しい解釈可能性解析を解き放ちながら、はるかに少ない計算で最先端の手法より優れている。
論文 参考訳（メタデータ） (2024-06-28T20:37:01Z) - An Explainable Geometric-Weighted Graph Attention Network for
Identifying Functional Networks Associated with Gait Impairment [0.0]
パーキンソン病(PD)の徴候の1つは、後部反射の進行性消失である。
歩行障害に伴う脳機能障害の特定は、PD運動の進行をよりよく理解するために重要である。
本稿では,歩行障害の進行を予測した機能的ネットワークを特定するための,説明可能な,幾何学的,重み付けされた注目型ニューラルネットワーク(xGW-GAT)を提案する。
論文 参考訳（メタデータ） (2023-07-24T19:57:21Z) - Unsupervised Learning of Invariance Transformations [105.54048699217668]
近似グラフ自己同型を見つけるためのアルゴリズムフレームワークを開発する。
重み付きグラフにおける近似自己同型を見つけるために、このフレームワークをどのように利用できるかについて議論する。
論文 参考訳（メタデータ） (2023-07-24T17:03:28Z) - Bayesian Networks for the robust and unbiased prediction of depression
and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文 参考訳（メタデータ） (2022-11-09T14:48:13Z) - A Novel Unified Conditional Score-based Generative Framework for
Multi-modal Medical Image Completion [54.512440195060584]
我々は、スコアベース生成モデル(SGM)を活用するために、統一多モードスコアベース生成モデル(UMM-CSGM)を提案する。
UMM-CSGMは、新しいマルチインマルチアウトコンディションスコアネットワーク(mm-CSN)を用いて、クロスモーダル条件分布の包括的集合を学習する。
BraTS19データセットの実験により、UMM-CSGMは腫瘍誘発病変における不均一な増強と不規則な領域をより確実に合成できることが示された。
論文 参考訳（メタデータ） (2022-07-07T16:57:21Z) - Modality Completion via Gaussian Process Prior Variational Autoencoders
for Multi-Modal Glioma Segmentation [75.58395328700821]
本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。
MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。
4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
論文 参考訳（メタデータ） (2021-07-07T19:06:34Z) - Unsupervised Brain Anomaly Detection and Segmentation with Transformers [2.559418792403512]
病理的な脳の外観は、正常性からの逸脱によって定義される異常としてのみ認識されるほど不均一である。
ここでは,ベクトル量子化変分オートエンコーダの潜在表現と自己回帰トランスフォーマのアンサンブルを組み合わせることにより,教師なし異常検出を実現する。
我々は,英国バイオバンクから15,000名の放射線学的に正常な被験者を対象に,小血管疾患,脱髄性病変,腫瘍を伴う4種類の脳MRデータセットの性能評価を行った。
論文 参考訳（メタデータ） (2021-02-23T12:10:58Z) - Object-Attribute Biclustering for Elimination of Missing Genotypes in
Ischemic Stroke Genome-Wide Data [2.0236506875465863]
欠落した遺伝子型は、一般的な疾患や形質の遺伝的変異を識別するための機械学習アプローチの有効性に影響を与える可能性がある。
この問題は、異なるDNAマイクロアレイで異なる実験から遺伝子型データを収集する際に起こり、それぞれが無名(欠失)遺伝子型のパターンによって特徴づけられる。
我々は、オブジェクト-属性・ビクラスタのよく発達した概念と、二項関係の密接な部分関係に対応する形式的概念を用いる。
論文 参考訳（メタデータ） (2020-10-22T12:27:43Z)
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。