Fugu-MT 論文翻訳(概要): Understanding Structured Health Data through Interaction-Aware Mixture-of-Experts

論文の概要: Understanding Structured Health Data through Interaction-Aware Mixture-of-Experts

arxiv url: http://arxiv.org/abs/2607.12255v1
Date: Tue, 14 Jul 2026 01:45:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-15 17:08:30.006813
Title: Understanding Structured Health Data through Interaction-Aware Mixture-of-Experts
Title（参考訳）: インタラクション・オブ・エクササイズによる構造的健康データ理解
Abstract要約: 構造化された健康記録の多段階的ビューを用いたストローク後の剛性予測のための相互対応型混合実験について検討した。ルーティング属性は、ビュー間での体系的な重要性の違いを明らかにし、ビュー構築を解釈可能性の鍵として強調する。
参考スコア（独自算出の注目度）: 10.401552214890968
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study interaction-aware mixture-of-experts for post-stroke rigidity prediction using multi-level views of structured health records. Despite minimal performance gains, routing attribution reveals systematic importance differences across views, underscoring view construction as key to interpretability.
Abstract（参考訳）: 構造化された健康記録の多段階的ビューを用いたストローク後の剛性予測のための相互対応型混合実験について検討した。パフォーマンスの向上は最小限だが、ルーティング属性はビュー間の体系的な重要性の違いを明らかにし、ビュー構築を解釈可能性の鍵として強調する。

関連論文リスト

Biologically Informed Deep Neural Networks for Multi-Omic Integration, Pathway Activity Inference and Risk Stratification in Cancer [8.562236981868866]
既存のアプローチは、しばしばモデル解釈可能性と表現能力のトレードオフに直面します。経路インフォームドアーキテクチャによる事前知識を組み込んだマルチオミクス設定のためのパスウェイアクティビティオートエンコーダについて報告する。本フレームワークは乳癌の文脈で適用され,生存予測とサブタイプ分類で評価された。
論文参考訳（メタデータ） (2026-07-06T16:47:18Z)
SEMC: Structure-Enhanced Mixture-of-Experts Contrastive Learning for Ultrasound Standard Plane Recognition [19.86276665791872]
SEMCは、Structure-Enhanced Mixture-of-Experts Contrastive Learningフレームワークである。構造認識機能融合と専門家が指導するコントラスト学習を組み合わせる。 SEMCは、様々なメトリクスで最新の最先端の手法より優れています。
論文参考訳（メタデータ） (2025-11-16T11:26:37Z)
Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。 SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
論文参考訳（メタデータ） (2025-09-30T08:59:06Z)
Structure-Aware Contrastive Learning with Fine-Grained Binding Representations for Drug Discovery [3.1716746406651457]
この研究は、構造的先駆体をタンパク質表現に統合する配列に基づく薬物-標的相互作用フレームワークを導入する。このモデルはHumanおよびBioSNAPデータセットの最先端のパフォーマンスを実現し、BindingDBと競合する。
論文参考訳（メタデータ） (2025-09-18T09:38:46Z)
"Principal Components" Enable A New Language of Images [79.45806370905775]
証明可能なPCAのような構造を潜在トークン空間に組み込む新しい視覚トークン化フレームワークを導入する。提案手法は、最先端の再構築性能を実現し、人間の視覚システムとの整合性を向上する。
論文参考訳（メタデータ） (2025-03-11T17:59:41Z)
Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-07-25T14:20:52Z)
Interpretable Mixture of Experts [71.55701784196253]
Interpretable Mixture of Experts (IME)は本質的に解釈可能なモデリングフレームワークである。 IMEは単一の解釈可能なモデルよりも正確であることが示され、既存の最先端のDeep Neural Networks(DNN)と正確に比較できる。 IMEの説明は、ユーザスタディを通じて一般的に使われているポストホックな説明法と比較される。
論文参考訳（メタデータ） (2022-06-05T06:40:15Z)
A Variational Information Bottleneck Approach to Multi-Omics Data Integration [98.6475134630792]
本稿では,不完全な多視点観測のための深い変動情報ボトルネック (IB) 手法を提案する。本手法は,対象物に関連のある視点内および視点間相互作用に焦点をあてるために,観測された視点の辺縁および結合表現にISBフレームワークを適用した。実世界のデータセットの実験から、我々の手法はデータ統合から常に利益を得て、最先端のベンチマークより優れています。
論文参考訳（メタデータ） (2021-02-05T06:05:39Z)

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。