論文の概要: Evaluating quality in synthetic data generation for large tabular health datasets

• arxiv url: http://arxiv.org/abs/2604.15961v1
• Date: Fri, 17 Apr 2026 11:28:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.892734
• Title: Evaluating quality in synthetic data generation for large tabular health datasets
• Title（参考訳）: 大規模表型健康データセットの合成データ生成における品質評価
• Abstract要約: 品質評価のための簡潔なメトリクスの合成データや、大規模な健康データセットのベンチマークの分野では、コンセンサスがない。 本研究は,機械学習の大手家庭における最近の7つのモデルの評価である。 本稿では,合成された関節分布の忠実度を評価する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.010865969683301856
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is no consensus in the field of synthetic data on concise metrics for quality evaluations or benchmarks on large health datasets, such as historical epidemiological data. This study presents an evaluation of seven recent models from major machine learning families. The models were evaluated using four different datasets, each with a distinct scale. To ensure a fair comparison, we systematically tuned the hyperparameters of each model for each dataset. We propose a methodology for evaluating the fidelity of synthesized joint distributions, aligning metrics with visualization on a single plot. This method is applicable to any dataset and is complemented by a domain-specific analysis of the German Cancer Registries' epidemiological dataset. The analysis reveals the challenges models face in strictly adhering to the medical domain. We hope this approach will serve as a foundational framework for guiding the selection of synthesizers and remain accessible to all stakeholders involved in releasing synthetic datasets.
• Abstract（参考訳）: 品質評価のための簡潔な指標に関する合成データや、歴史的疫学データのような大きな健康データセットに関するベンチマークの分野では、コンセンサスがない。 本研究は,機械学習の大手家庭における最近の7つのモデルの評価である。 モデルは4つの異なるデータセットを用いて評価され、それぞれが異なるスケールで評価された。 公平な比較を確保するため,各データセットに対して,各モデルのハイパーパラメータを体系的に調整した。 本稿では,合成された関節分布の忠実度を評価する手法を提案する。 この方法はどのデータセットにも適用でき、ドイツのがん登録簿の疫学的データセットのドメイン固有の分析によって補完される。 この分析は、モデルが医療領域に厳格に固執する上で直面する課題を明らかにしている。 このアプローチが、シンセサイザーの選択を導くための基盤となるフレームワークとして機能し、シンセサイザーデータセットのリリースに関わるすべての利害関係者に引き続きアクセスできることを願っています。

関連論文リスト

• FRESH: Information-Geometric Calibration of Patient-Level Models to Aggregate Evidence [0.0]
  Freshは、患者レベルのデータに基づいてトレーニングされた予測モデルに、人口レベルの要約結果を組み込む方法である。 本手法は,対象人口に対する特定の集計統計値のセットと一致する再校正モデルを用いて患者レベルの予測を行う。
  論文  参考訳（メタデータ） (2026-05-15T17:50:11Z)
• MedEqualizer: A Framework Investigating Bias in Synthetic Medical Data and Mitigation via Augmentation [8.526339099878962]
  MIMIC-IIIデータセットを用いたGANモデルを用いて合成データの公平性を評価する。 MedEqualizerはモデルに依存しない拡張フレームワークで、合成データ生成の前に表現されていない部分群を豊かにする。
  論文  参考訳（メタデータ） (2025-11-02T19:16:50Z)
• Improving the Generation and Evaluation of Synthetic Data for Downstream Medical Causal Inference [89.5628648718851]
  因果推論は医療介入の開発と評価に不可欠である。 現実の医療データセットは、規制障壁のためアクセスが難しいことが多い。 本稿では,医学における治療効果分析のための新しい合成データ生成法STEAMを提案する。
  論文  参考訳（メタデータ） (2025-10-21T16:16:00Z)
• A Survey on Tabular Data Generation: Utility, Alignment, Fidelity, Privacy, and Beyond [53.56796220109518]
  異なるユースケースは、実際に有用な異なる要件を満たすために合成データを要求する。 合成データの実用性、合成データのドメイン固有の知識との整合性、実際のデータ分布と比較しての合成データ分布の統計的忠実度、プライバシ保護能力の4つの要件をレビューする。 今後の分野の方向性と、現在の評価方法を改善する機会について論じる。
  論文  参考訳（メタデータ） (2025-03-07T21:47:11Z)
• Reimagining Synthetic Tabular Data Generation through Data-Centric AI: A Comprehensive Benchmark [56.8042116967334]
  合成データは、機械学習モデルのトレーニングの代替となる。 合成データが現実世界データの複雑なニュアンスを反映することを保証することは、難しい作業です。 本稿では,データ中心型AI技術の統合による合成データ生成プロセスのガイドの可能性について検討する。
  論文  参考訳（メタデータ） (2023-10-25T20:32:02Z)
• Statistical properties and privacy guarantees of an original distance-based fully synthetic data generation method [0.0]
  この研究は、多段階のフレームワークを用いて、公開リリース可能な合成データを生成する技術的実現可能性を示す。 新たな多段階合成データ生成フレームワークを用いて生成したデータの質を評価することで,Open-CESPイニシアチブの技術的,概念的健全性を実証した。
  論文  参考訳（メタデータ） (2023-10-10T12:29:57Z)
• Synthetic data generation for a longitudinal cohort study -- Evaluation, method extension and reproduction of published data analysis results [0.32593385688760446]
  医療分野では、プライバシー上の懸念から個人レベルのデータへのアクセスは困難であることが多い。 有望な代替手段は、完全な合成データの生成である。 本研究では,最先端の合成データ生成手法を用いる。
  論文  参考訳（メタデータ） (2023-05-12T13:13:55Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Evaluation of the Synthetic Electronic Health Records [3.255030588361125]
  本研究は、合成データセットのサンプルワイズ評価のための類似性と特異性という2つの指標を概説する。 本研究は,Cystic Fibrosis (CF) 患者の電子的健康記録を合成するために,いくつかの最先端の遺伝子モデルを用いて提案された概念を実証する。
  論文  参考訳（メタデータ） (2022-10-16T22:46:08Z)
• Detection and Evaluation of Clusters within Sequential Data [58.720142291102135]
  Block Markov Chainsのクラスタリングアルゴリズムは理論的最適性を保証する。 特に、私たちのシーケンシャルデータは、ヒトのDNA、テキスト、動物運動データ、金融市場から派生しています。 ブロックマルコフ連鎖モデルの仮定は、実際に探索データ解析において有意義な洞察を得られることが判明した。
  論文  参考訳（メタデータ） (2022-10-04T15:22:39Z)
• CDEvalSumm: An Empirical Study of Cross-Dataset Evaluation for Neural Summarization Systems [121.78477833009671]
  データセット間設定下での様々な要約モデルの性能について検討する。 異なるドメインの5つのデータセットに対する11の代表的な要約システムに関する包括的な研究は、モデルアーキテクチャと生成方法の影響を明らかにしている。
  論文  参考訳（メタデータ） (2020-10-11T02:19:15Z)

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。