論文の概要: Bridging the Clinical Expertise Gap: Development of a Web-Based Platform for Accessible Time Series Forecasting and Analysis
- arxiv url: http://arxiv.org/abs/2512.07992v1
- Date: Mon, 08 Dec 2025 19:24:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-10 22:28:07.704686
- Title: Bridging the Clinical Expertise Gap: Development of a Web-Based Platform for Accessible Time Series Forecasting and Analysis
- Title（参考訳）: クリニカルエキスパートギャップのブリッジ:アクセシブル時系列予測と分析のためのWebベースプラットフォームの開発
- Authors: Aaron D. Mullen, Daniel R. Harris, Svetla Slavova, V. K. Cody Bumgardner,
- Abstract要約: 時系列予測は、特に医療において、ドメインや産業にまたがる応用がある。
本稿では,データを分析・プロットし,予測モデルを訓練し,その結果を研究者や臨床医に公開するWebプラットフォームを提案する。
- 参考スコア（独自算出の注目度）: 0.05999777817331317
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Time series forecasting has applications across domains and industries, especially in healthcare, but the technical expertise required to analyze data, build models, and interpret results can be a barrier to using these techniques. This article presents a web platform that makes the process of analyzing and plotting data, training forecasting models, and interpreting and viewing results accessible to researchers and clinicians. Users can upload data and generate plots to showcase their variables and the relationships between them. The platform supports multiple forecasting models and training techniques which are highly customizable according to the user's needs. Additionally, recommendations and explanations can be generated from a large language model that can help the user choose appropriate parameters for their data and understand the results for each model. The goal is to integrate this platform into learning health systems for continuous data collection and inference from clinical pipelines.
- Abstract（参考訳）: 時系列予測は、特にヘルスケアにおいて、ドメインや産業にまたがる応用があるが、データ分析、モデルの構築、結果の解釈に必要な技術的専門知識は、これらのテクニックを使用する上で障壁となる。
本稿では,データを分析・プロットし,予測モデルを訓練し,その結果を研究者や臨床医に公開するWebプラットフォームを提案する。
ユーザーはデータをアップロードして、変数とそれらの関係を示すプロットを生成することができる。
このプラットフォームは、ユーザのニーズに応じて高度にカスタマイズ可能な、複数の予測モデルとトレーニング技術をサポートしている。
さらに、リコメンデーションと説明は、ユーザがデータに対して適切なパラメータを選択し、各モデルの結果を理解するのに役立つ大きな言語モデルから作成することができる。
目標は、このプラットフォームを、継続的なデータ収集と臨床パイプラインからの推論のための健康システム学習に統合することにある。
関連論文リスト
- iNNspector: Visual, Interactive Deep Model Debugging [8.997568393450768]
本研究では,ディープラーニング実験のデータ空間を構造化する概念的枠組みを提案する。
我々のフレームワークは設計の次元を捉え、このデータを探索可能かつ抽出可能にするためのメカニズムを提案する。
我々は、ディープラーニング実験の追跡を可能にし、データのインタラクティブな可視化を提供するiNNspectorシステムを提案する。
論文 参考訳（メタデータ） (2024-07-25T12:48:41Z) - A Survey on Diffusion Models for Time Series and Spatio-Temporal Data [92.1255811066468]
時系列およびS時間データにおける拡散モデルの使用について概観し、それらをモデル、タスクタイプ、データモダリティ、実用的なアプリケーションドメインで分類する。
我々は拡散モデルを無条件型と条件付き型に分類し、時系列とS時間データを別々に議論する。
本調査は,医療,レコメンデーション,気候,エネルギー,オーディオ,交通など,さまざまな分野の応用を幅広くカバーしている。
論文 参考訳（メタデータ） (2024-04-29T17:19:40Z) - User Modeling and User Profiling: A Comprehensive Survey [0.0]
本稿では,ユーザモデリングとプロファイリング研究の現状,進化,今後の方向性について調査する。
我々は、初期のステレオタイプモデルから最新のディープラーニング技術までの開発をトレースする、歴史的概要を提供する。
また、プライバシ保護技術に対する重要なニーズと、ユーザモデリングアプローチにおける説明可能性と公正性への推進にも対処する。
論文 参考訳（メタデータ） (2024-02-15T02:06:06Z) - Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。
深層学習は、医療を含む様々な応用においてその優位性を示している。
論文 参考訳（メタデータ） (2024-02-02T00:31:01Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z) - A Visual Analytics System for Multi-model Comparison on Clinical Data
Predictions [21.86694022749115]
我々は,複数のモデルの予測基準を比較し,その一貫性を評価する視覚分析システムを開発した。
我々は,臨床医や研究者が異なる機械学習手法を比較し,定量的に評価する上で,本システムの有効性を実証する。
論文 参考訳（メタデータ） (2020-02-18T20:33:04Z)
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。