論文の概要: CSRA: Controlled Spectral Residual Augmentation for Robust Sepsis Prediction

• arxiv url: http://arxiv.org/abs/2604.14532v1
• Date: Thu, 16 Apr 2026 01:52:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.677163
• Title: CSRA: Controlled Spectral Residual Augmentation for Robust Sepsis Prediction
• Title（参考訳）: CSRA : ロバストシープシス予測のためのスペクトル残差増大制御
• Authors: Honglin Guo, Rihao Chang, He Jiao, Weizhi Nie, Zhongheng Zhang, Yuehao Shen,
• Abstract要約: 本稿では,短時間ICU時系列を対象としたスペクトル残差増大フレームワークを提案する。 CSRAは、臨床システムによる変数を最初にグループ化し、システムレベルおよびグローバルな表現を抽出する。 その後、スペクトル領域で入力適応的残留摂動を行い、構造化され、臨床的に妥当な軌道変化を生成する。
• 参考スコア（独自算出の注目度）: 18.002117522396755
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate prediction of future risk and disease progression in sepsis is clinically important for early warning and timely intervention in intensive care. However, short-window sepsis prediction remains challenging, because shorter observation windows provide limited historical evidence, whereas longer prediction horizons reduce the number of patient trajectories with valid future supervision. To address this problem, we propose CSRA, a Controlled Spectral Residual Augmentation framework for short-window multi-system ICU time series. CSRA first groups variables by clinical systems and extracts system-level and global representations. It then performs input-adaptive residual perturbation in the spectral domain to generate structured and clinically plausible trajectory variations. To improve augmentation stability and controllability, CSRA is trained end-to-end with the downstream predictor under a unified objective, together with anchor consistency loss and controller regularization. Experiments on a MIMIC-IV sepsis cohort across multiple downstream models show that CSRA is consistently competitive and often superior, reducing regression error by 10.2\% in MSE and 3.7\% in MAE over the non-augmentation baseline, while also yielding consistent gains on classification. CSRA further maintains more favorable performance under shorter observation windows, longer prediction horizons, and smaller training data scales, while also remaining effective on an external clinical dataset~(ZiGongICUinfection), indicating stronger robustness and generalizability in clinically constrained settings.
• Abstract（参考訳）: 早期警戒と集中治療の時間的介入のためには, 敗血症後のリスクと疾患進行の正確な予測が臨床的に重要である。 しかし、短い窓の切開予測は、短い観測窓が限られた歴史的証拠を提供するのに対して、より長い予測地平線は、患者の軌跡の数を減らし、将来的な監視を行うため、依然として困難である。 この問題に対処するために,制御スペクトル残差拡張フレームワークCSRAを提案する。 CSRAは、臨床システムによる変数を最初にグループ化し、システムレベルおよびグローバルな表現を抽出する。 その後、スペクトル領域で入力適応的残留摂動を行い、構造化され、臨床的に妥当な軌道変化を生成する。 拡張安定性と制御性を改善するため、CSRAは、アンカーの整合性損失とコントローラの正則化とともに、下流予測器によるエンドツーエンドの訓練を行う。 MIMIC-IVセプシスコホートを複数の下流モデルで実験したところ、CSRAは一貫して競争力があり、しばしば優れていることが示され、回帰誤差はMSEで10.2\%、非増強ベースラインで3.7\%減少し、また分類において一貫した利得が得られる。 CSRAはさらに、短い観察窓、より長い予測地平線、より小さなトレーニングデータスケールの下で、より良好なパフォーマンスを維持しつつ、外部臨床データセット~(ZiGongICUinfection)にも有効であり、臨床制約のある環境での強い堅牢性と一般化性を示している。

関連論文リスト

• MATA-Former & SIICU: Semantic Aware Temporal Alignment for High-Fidelity ICU Risk Prediction [8.92515305370631]
  本稿では,予測モデリングを臨床論理と整合させる枠組みを提案する。 我々は,二項分類を連続的多軸回帰に変換するためのプラトー・ガウスソフトラベリング(PSL)を導入する。 本フレームワークは,テキスト集約的,不規則な臨床時系列からリスクを捕捉する上で,優れた有効性と堅牢な一般化を示す。
  論文  参考訳（メタデータ） (2026-04-02T07:45:52Z)
• PREBA: Surgical Duration Prediction via PCA-Weighted Retrieval-Augmented LLMs and Bayesian Averaging Aggregation [51.96735866702332]
  PreBAはPCA重み付き検索とベイズ平均アグリゲーションを統合した検索拡張フレームワークである。 例えば、PreBAはパフォーマンスを大幅に改善し、MAEを最大40%削減し、ゼロショット推論でR2を-0.13から0.62に引き上げる。
  論文  参考訳（メタデータ） (2026-02-27T07:19:23Z)
• MEET-Sepsis: Multi-Endogenous-View Enhanced Time-Series Representation Learning for Early Sepsis Prediction [50.74903497515021]
  セプシス(Sepsis)は、集中治療室(ICUs)の高死亡にともなう致命的な感染症である。 早期かつ正確な敗血症予測(SP)は、時間的介入には重要であるが、微妙な早期症状と急激な死亡率の増大により、依然として困難である。 本稿では,拡張された特徴ビューを構築するための多言語ビュー表現強化(MERE)機構と,時間的表現学習のためのCDTAモジュールを提案する。 提案したMEET-Sepsis フレームワークは,SOTA 法で要求される ICU モニタリング時間の 20% のみを用いて,競合予測の精度を実現し,大幅に向上した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:29Z)
• Improving Early Sepsis Onset Prediction Through Federated Learning [4.254099382808598]
  本稿では,セプシオンセット予測のためのフェデレーション・アテンション強化長短期記憶モデルを提案する。 固定予測ウィンドウに依存する既存のアプローチとは異なり、我々のモデルは可変予測水平線をサポートしている。 固定ウィンドウではなく変数予測ウィンドウを採用するという選択は,性能を著しく損なうものではなく,計算,通信,組織的オーバーヘッドを低減させることを示す。
  論文  参考訳（メタデータ） (2025-09-25T08:19:22Z)
• A Generative Framework for Causal Estimation via Importance-Weighted Diffusion Distillation [55.53426007439564]
  観察データから個別化された治療効果を推定することは因果推論における中心的な課題である。 逆確率重み付け(IPW)は、この問題に対するよく確立された解決策であるが、現代のディープラーニングフレームワークへの統合は依然として限られている。 本稿では,拡散モデルの事前学習と重み付きスコア蒸留を組み合わせた新しい生成フレームワークであるIWDDを提案する。
  論文  参考訳（メタデータ） (2025-05-16T17:00:52Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Vital Sign Forecasting for Sepsis Patients in ICUs [5.543372375499915]
  本稿では,最先端のディープラーニング(DL)アーキテクチャを用いて,多段階予測システムを提案する。 我々は,過去6時間のデータから,今後3時間分のバイタルサインを予測できるDLベースのバイタルサイン予測システムを導入する。 平均二乗誤差 (MSE) と動的時間歪み (DTW) 測定値を用いて, モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2023-11-08T15:47:58Z)
• Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
  ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。 異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。 我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
  論文  参考訳（メタデータ） (2023-05-02T14:34:34Z)

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。