論文の概要: HantaWatch: Federated Learning for Hantavirus Genomic Surveillance

• arxiv url: http://arxiv.org/abs/2607.16234v1
• Date: Thu, 25 Jun 2026 04:22:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.048521
• Title: HantaWatch: Federated Learning for Hantavirus Genomic Surveillance
• Title（参考訳）: ハンタウォッチ:ハンタウイルスゲノムサーベイランスのためのフェデレートラーニング
• Abstract要約: HantaWatchは、研究室や監視サイトが、生データを共有せずに、シーケンスベースのモデルを協調的に訓練できる学習フレームワークである。 HantaWatchはk-mer機能抽出、ソース対応のフェデレーションクライアント構築、適応DU-FedProx最適化、監視固有のモデル選択、予測のみのトリアージを統合している。 モデルアウトプットをリスクスコア、信頼度推定、不確実性フラグ、ランク付けされた専門家レビューの優先順位に変換する。
• 参考スコア（独自算出の注目度）: 6.137648436139678
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hantavirus genomic surveillance is limited by the distribution of sequence data, non-IID source heterogeneity, and constrained expert-review capacity. We propose HantaWatch, a federated learning framework that enables laboratories and surveillance sites to collaboratively train sequence-based models without sharing raw data. HantaWatch integrates k-mer feature extraction, source-aware federated client construction, adaptive DU-FedProx optimization, surveillance-specific model selection, and prediction-only triage. Experiments on binary and multi-class tasks show that HantaWatch supports high-risk screening, outbreak-associated prediction, clade classification, and clinical-syndrome categorization while balancing predictive performance, false-negative risk, and update stability. The framework converts model output into risk scores, confidence estimates, uncertainty flags, and ranked expert-review priorities. HantaWatch therefore provides a practical federated decision-support layer for decentralized Hantavirus surveillance, supporting expert prioritization without replacing laboratory or public-health interpretation.
• Abstract（参考訳）: ハンタウイルスゲノム監視は、配列データ、非IIDソースの不均一性、専門家レビュー能力の制限によって制限される。 実験室や監視施設が、生データを共有せずに、シーケンスベースのモデルを協調的に訓練することを可能にする、連合学習フレームワークであるHantaWatchを提案する。 HantaWatchはk-mer機能抽出、ソース対応のフェデレーションクライアント構築、適応DU-FedProx最適化、監視固有のモデル選択、予測のみのトリアージを統合している。 二分法および多クラスタスクの実験は、HantaWatchがハイリスクスクリーニング、アウトブレイク関連予測、クレード分類、臨床シンドローム分類をサポートし、予測性能、偽陰性リスク、更新安定性のバランスを取っていることを示している。 このフレームワークは、モデルのアウトプットをリスクスコア、信頼度推定、不確実性フラグ、ランク付けされた専門家レビューの優先順位に変換する。 したがって、HantaWatchは、実験室や公衆衛生の解釈を置き換えることなく専門家の優先順位付けを支援する、ハンタウイルスの分散化監視のための実践的な連邦化決定支援層を提供する。

関連論文リスト

• SHIFT: Survival Prediction from Incomplete and Heterogeneous Genomic Data [5.954313066207682]
  ゲノム予測モデルは、シーケンスパネルがサイトによって異なるため、組織間での転送に失敗することが多く、配置時に構造的特徴の欠如が生じる。 本研究では,不完全なゲノム入力を直接予測する不完全な生存モデルであるTransformer (SHIFT) を用いて,不完全な特徴を扱うサバイバル予測を提案する。
  論文  参考訳（メタデータ） (2026-07-04T21:04:57Z)
• Neural Conjugate Aggregation: Identifiable Unsupervised Multi-Sensor Regression under Heterogeneous Sensor Bias [0.0]
  本研究では,不確実性下での回帰に基づくデータ融合について検討する。 この設定は、センサーネットワーク、シミュレーションアンサンブル、そして監視が費用がかかるか不可能である科学的な監視システムで発生する。 本稿では,ニューラルネットワークと共役ガウス推論を組み合わせた階層型ベイズフレームワークであるニューラル共役凝集モデル(NCAM)を提案する。
  論文  参考訳（メタデータ） (2026-06-20T19:30:21Z)
• CUPID: A Plug-in Framework for Joint Aleatoric and Epistemic Uncertainty Estimation with a Single Model [1.6855257501750571]
  CUPID (Comprehensive Uncertainty Plug-in estImation moDel) は、ベースモデルの変更や再訓練なしに、動脈とてんかんの不確実性を共同で推定する汎用モジュールである。 CUPIDは分類,回帰,アウト・オブ・ディストリビューション検出など,様々なタスクで評価される。 その結果、CUPIDは、不確実性の起源に関する階層的な洞察を提供しながら、一貫して競争性能を提供することがわかった。
  論文  参考訳（メタデータ） (2026-03-11T13:18:10Z)
• Data-Driven Priors for Uncertainty-Aware Deterioration Risk Prediction with Multimodal Data [11.640422721732756]
  現在の機械学習モデルは、信頼性の高い不確実性推定を欠くことが多く、現実のデプロイメントを妨げる。 病院内リスク予測にマルチモーダルな臨床データを活用する予測不確実性フレームワークであるtextttMedCertAIn$を提案する。 公開データセットであるMIMIC-IVとMIMIC-CXRから,臨床時系列と胸部X線画像を用いて,これらの先行データを用いてモデルを訓練し,評価する。
  論文  参考訳（メタデータ） (2026-03-09T14:54:38Z)
• Conformal Prediction for Multi-Source Detection on a Network [59.17729745907474]
  マルチソース検出問題について検討する。 グラフ上のノード感染状況のスナップショットが与えられた場合、伝播を開始するソースノードのセットを推定する。 本稿では,ソースセット検出のための統計的に有効なリコール保証を提供する新しいコンフォメーション予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:09:56Z)
• Evidential time-to-event prediction with calibrated uncertainty quantification [12.446406577462069]
  Time-to-event分析は、臨床予後と治療勧告に関する洞察を提供する。 本稿では,時間とイベントの予測に特化して設計された明らかな回帰モデルを提案する。 我々のモデルは正確かつ信頼性の高い性能を提供し、最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-12T15:06:04Z)
• Provably Reliable Conformal Prediction Sets in the Presence of Data Poisoning [53.42244686183879]
  コンフォーマル予測は、モデルに依存しない、分布のない不確実性定量化を提供する。 しかし、敵が訓練データと校正データを操作した場合の毒殺攻撃では、共形予測は信頼性が低い。 信頼性予測セット (RPS): 汚染下での信頼性保証を証明可能な共形予測セットを構築するための最初の効率的な方法を提案する。
  論文  参考訳（メタデータ） (2024-10-13T15:37:11Z)
• Towards Reliable Medical Image Segmentation by Modeling Evidential Calibrated Uncertainty [57.023423137202485]
  医用画像のセグメンテーションの信頼性に関する懸念が臨床医の間で続いている。 本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を活用することで、医用画像分割の確率と不確実性を明示的にモデル化する。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。