論文の概要: NPCNet: Navigator-Driven Pseudo Text for Deep Clustering of Early Sepsis Phenotyping

• arxiv url: http://arxiv.org/abs/2602.03562v1
• Date: Tue, 03 Feb 2026 14:07:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.499821
• Title: NPCNet: Navigator-Driven Pseudo Text for Deep Clustering of Early Sepsis Phenotyping
• Title（参考訳）: NPCNet:初期のシープシー現象の深部クラスタリングのためのナビゲータ駆動型擬似テキスト
• Authors: Pi-Ju Tsai, Charkkri Limbud, Kuan-Fu Chen, Yi-Ju Tseng,
• Abstract要約: ターゲットナビゲータを備えた新しいディープクラスタリングネットワークであるNPCNetを提案する。 また,SOFAトラジェクトリで異なる4つのセシス表現型($,$,$,$$,$$)を同定した。 以上の結果から,NPCNetは臨床的に特異的な表現型を明らかにすることにより,精度の高い治療戦略を強化することが示唆された。
• 参考スコア（独自算出の注目度）: 0.9624643581968987
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sepsis is a heterogeneous syndrome. Identifying clinically distinct phenotypes may enable more precise treatment strategies. In recent years, many researchers have applied clustering algorithms to sepsis patients. However, the clustering process rarely incorporates clinical relevance, potentially limiting to reflect clinically distinct phenotypes. We propose NPCNet, a novel deep clustering network with a target navigator that integrates temporal Electronic Health Records (EHRs) to better align sepsis phenotypes with clinical significance. We identify four sepsis phenotypes ($α$, $β$, $γ$, and $δ$) with divergence in SOFA trajectories. Notably, while $α$ and $δ$ phenotypes both show severe conditions in the early stage, NPCNet effectively differentiates patients who are likely to improve ($α$) from those at risk of deterioration ($δ$). Furthermore, through the treatment effect analysis, we discover that $α$, $β$, and $δ$ phenotypes may benefit from early vasopressor administration. The results show that NPCNet enhances precision treatment strategies by uncovering clinically distinct phenotypes.
• Abstract（参考訳）: セプシスは異種症候群である。 臨床的に異なる表現型を同定することは、より正確な治療戦略を可能にする可能性がある。 近年、多くの研究者が敗血症患者にクラスタリングアルゴリズムを適用している。 しかし、クラスタリングプロセスは臨床関連性をほとんど含んでおらず、臨床的に異なる表現型を反映する可能性がある。 NPCNetは、時間的電子健康記録(EHR)を統合して、症状の表現型を臨床的意義と整合させる、ターゲットナビゲータを備えた新しいディープクラスタリングネットワークである。 また,SOFAトラジェクトリにおいて,4つのセシス表現型(α$,$β$,$γ$,$δ$)を相違点として同定した。 特に、α$とδ$の表現型はどちらも早期に深刻な状態を示すが、NPCNetは劣化のリスクがある患者(δ$)と(α$)改善する可能性がある患者を効果的に区別する。 さらに, 治療効果分析により, 早期の血管圧薬投与により, 早期に$α$, $β$, $δ$表現型が有効であることが判明した。 以上の結果から,NPCNetは臨床的に特異的な表現型を明らかにすることにより,精度の高い治療戦略を強化することが示唆された。

関連論文リスト

• Prototype Learning to Create Refined Interpretable Digital Phenotypes from ECGs [0.6488018816675728]
  プロトタイプベースのニューラルネットワークは、トレーニングデータに固定された学習された代表的な信号パターンと入力を比較して解釈可能な予測を提供する。 PTB-XLデータセットを用いた多ラベルECG分類のためのプロトタイプベースディープラーニングモデルを用いる。 分類専用に訓練された個別の試作機がフェーコード形式での退院診断に関連があるかどうかを評価する。
  論文  参考訳（メタデータ） (2025-08-02T23:52:08Z)
• Survey and Improvement Strategies for Gene Prioritization with Large Language Models [61.24568051916653]
  大規模言語モデル (LLM) は, 医学検査において良好に機能しているが, 希少な遺伝疾患の診断における有効性は評価されていない。 表現型と可溶性レベルに基づいて, マルチエージェントとヒトフェノタイプオントロジー(HPO)を分類した。 ベースラインでは、GPT-4は他のLLMよりも優れており、因果遺伝子を正しくランク付けする際の精度は30%近く向上した。
  論文  参考訳（メタデータ） (2025-01-30T23:03:03Z)
• Dataset Distillation for Histopathology Image Classification [46.04496989951066]
  病理画像データセット(Histo-DD)に適した新しいデータセット蒸留アルゴリズムを提案する。 提案アルゴリズムの有効性を総合的に評価し, パッチレベルとスライドレベルの両方の分類タスクにおいて, 組織学的サンプルを生成する。
  論文  参考訳（メタデータ） (2024-08-19T05:53:38Z)
• Clustering of Disease Trajectories with Explainable Machine Learning: A Case Study on Postoperative Delirium Phenotypes [13.135589459700865]
  本稿では,パーソナライズされたPODリスク予測のための教師付き機械学習と,潜在的POD表現型を明らかにするための教師なしクラスタリング技術を組み合わせたアプローチを提案する。 SHAPの特徴空間におけるクラスタリング患者は,真の表現型を回復し,生の特徴空間におけるクラスタリングに優れることを示した。
  論文  参考訳（メタデータ） (2024-05-06T10:05:46Z)
• Deep Representation Learning-Based Dynamic Trajectory Phenotyping for Acute Respiratory Failure in Medical Intensive Care Units [4.9981612589160775]
  セプシスによる急性呼吸不全(ARF)は予後不良の重篤な合併症である。 本稿では, 敗血症患者の臨床軌跡の異なるグループを同定するために, 深部表現学習に基づく表現型表現法を提案する。
  論文  参考訳（メタデータ） (2024-05-04T04:29:22Z)
• PheME: A deep ensemble framework for improving phenotype prediction from multi-modal data [42.56953523499849]
  PheMEは, 構造化EHRのマルチモーダルデータを用いたアンサンブル・フレームワークであり, 非構造化臨床ノートを用いて, 正確なフェノタイプ予測を行う。 我々はアンサンブル学習を活用し、単一モーダルモデルと多モーダルモデルからの出力を組み合わせて表現型予測を改善する。
  論文  参考訳（メタデータ） (2023-03-19T23:41:04Z)
• Unsupervised EHR-based Phenotyping via Matrix and Tensor Decompositions [0.6875312133832078]
  本稿では,低ランク近似に基づく計算表現法について概観する。 近年,様々な制約を組み込んだ低ランクデータ近似手法が開発され,解釈可能性の向上が図られている。
  論文  参考訳（メタデータ） (2022-09-01T09:47:27Z)
• Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
  本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。 ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。 以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-08-03T08:33:21Z)
• Differentially private training of neural networks with Langevin dynamics forcalibrated predictive uncertainty [58.730520380312676]
  その結果,DP-SGD(差分偏差勾配勾配勾配勾配勾配)は,低校正・過信深層学習モデルが得られることがわかった。 これは、医療診断など、安全クリティカルな応用にとって深刻な問題である。
  論文  参考訳（メタデータ） (2021-07-09T08:14:45Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。