論文の概要: Automated Multilabel Mpox Research Classification with Explainable Transformer Models

• arxiv url: http://arxiv.org/abs/2607.26700v1
• Date: Wed, 29 Jul 2026 09:47:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.614757
• Title: Automated Multilabel Mpox Research Classification with Explainable Transformer Models
• Title（参考訳）: 説明可能な変圧器モデルを用いたマルチラベルMpoxの自動分類
• Authors: Tanjim Taharat Aurpa,
• Abstract要約: 本研究は,14590件のMpox研究論文を,アウトブレイク,ワクチン接種,疫学などの重要なトピックに分類するために,マルチラベル分類を用いることに焦点を当てる。 試験されたAIモデルの中で、BERTは97.05%の精度、97.67%のマイクロF1スコア、96.46%のマクロF1スコアを達成した。
• 参考スコア（独自算出の注目度）: 1.5229257192293202
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The Mpox outbreak remains a serious public health issue, with the WHO (World Health Organization) reporting increasing cases in some regions. Research on Mpox is vital for several reasons, including vaccine development, diagnostic improvement, viral evolution studies, and preventing future outbreaks. However, the large amount of research being published makes it difficult to organize and analyze information efficiently. This study focuses on using multilabel classification to categorize 14590 Mpox research articles into key topics such as outbreaks, vaccination, and epidemiology. Among the different AI models tested, BERT performed the best, achieving 97.05% accuracy, 97.67% micro F1 score, and 96.46% macro F1 score. To better understand how the model makes decisions, SHAP was used to analyze significant word features and patterns. The results show that BERT can help automate the classification of Mpox research, making it easier for researchers, policymakers, and healthcare workers to quickly find relevant information, saving time and improving public health efforts.
• Abstract（参考訳）: Mpoxの流行は依然として深刻な公衆衛生問題であり、WHO(世界保健機関)は一部の地域での感染者の増加を報告している。 Mpoxの研究は、ワクチン開発、診断の改善、ウイルス進化の研究、将来のアウトブレイクの予防など、いくつかの理由で不可欠である。 しかし、大量の研究が公表されているため、効率的に情報を整理・分析することは困難である。 本研究は,14590件のMpox研究論文を,アウトブレイク,ワクチン接種,疫学などの重要なトピックに分類するために,マルチラベル分類を用いることに焦点を当てる。 試験されたAIモデルの中で、BERTは97.05%の精度、97.67%のマイクロF1スコア、96.46%のマクロF1スコアを達成した。 モデルがどのように意思決定を行うかをより深く理解するために、SHAPは重要な単語の特徴やパターンを分析するために使用された。 その結果、BERTはMpox研究の分類を自動化し、研究者、政策立案者、医療従事者が関連情報を素早く発見し、時間を節約し、公衆衛生の努力を改善するのに役立つことがわかった。

関連論文リスト

• Cancer Vaccine Adjuvant Name Recognition from Biomedical Literature using Large Language Models [3.582740629030056]
  アジュバント(adjuvant)は、免疫反応を改善することにより効果を高めるワクチンに組み込まれた化学物質である。 本研究では,Large Language Models(LLMs),特にGenerative Pretrained Transformers(GPT)とLlama(Large Language Model Meta AI)を用いて,ワクチンのアジュバント名の自動認識について検討する。
  論文  参考訳（メタデータ） (2025-02-12T06:30:31Z)
• Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
  本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。 ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。 その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。 実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
  論文  参考訳（メタデータ） (2024-08-15T21:09:09Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Progress and Opportunities of Foundation Models in Bioinformatics [77.74411726471439]
  基礎モデル(FM)は、特に深層学習の領域において、計算生物学の新しい時代に定着した。 我々の焦点は、特定の生物学的問題にFMを応用することであり、研究ニーズに適切なFMを選択するために研究コミュニティを指導することを目的としています。 データノイズ、モデル説明可能性、潜在的なバイアスなど、生物学においてFMが直面する課題と限界を分析します。
  論文  参考訳（メタデータ） (2024-02-06T02:29:17Z)
• A Recent Survey of the Advancements in Deep Learning Techniques for Monkeypox Disease Detection [0.7179624965454197]
  サルポックス(英: Monkeypox、MPox)は、MPoxウイルスによって引き起こされる動物感染症である。 本稿では, 皮膚病変画像におけるMPoxの自動検出のための深層学習法について, 広範囲にわたる解析を行った。
  論文  参考訳（メタデータ） (2023-11-06T18:18:42Z)
• BAND: Biomedical Alert News Dataset [34.277782189514134]
  我々は、既存の報道記事、オープンメール、アラートから1,508件のサンプルと30の疫学関連質問を含むBAND(Biomedical Alert News dataset)を紹介した。 BANDデータセットは、NLPの世界に新たな課題をもたらし、コンテンツの偽装能力と重要な情報を推論する能力を必要としている。 われわれの知る限りでは、BANDコーパスはバイオメディカル・アウトブレイク警報のニュースを、精巧にデザインされた質問でまとめる最大のコーパスだ。
  論文  参考訳（メタデータ） (2023-05-23T19:21:00Z)
• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• Domain-Specific Pretraining for Vertical Search: Case Study on Biomedical Literature [67.4680600632232]
  自己教師型学習は、アノテーションのボトルネックを克服するための有望な方向として現れました。 本稿では,ドメイン固有の事前学習に基づく垂直探索手法を提案する。 我々のシステムはPubMed上で何千万もの記事にスケールでき、Microsoft Biomedical Searchとしてデプロイされている。
  論文  参考訳（メタデータ） (2021-06-25T01:02:55Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)

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。