論文の概要: Deep probabilistic logic programming for diagnostic reasoning from incomplete information: A case study in stroke detection

• arxiv url: http://arxiv.org/abs/2608.08561v1
• Date: Sun, 09 Aug 2026 08:04:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.869616
• Title: Deep probabilistic logic programming for diagnostic reasoning from incomplete information: A case study in stroke detection
• Title（参考訳）: 不完全情報に基づく診断推論のための深い確率論的論理プログラミング:脳卒中検出を事例として
• Abstract要約: DeepProbLogは、透明で厳格なフレームワーク内で患者の画像を分析するための、ニューロシンボリックなアプローチを可能にする。 マルチモーダルデータからの脳卒中検出のケーススタディとして、文献で利用可能な要約統計からDeepProbLogベースの診断システムへの経路を考察した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In medical applications, raw data is frequently associated with significant privacy concerns, lending particular importance to the encoding of summary statistics from the literature. On the other hand, deep learning has become an invaluable tool for assessing symptoms based on visual or auditory sensor data. DeepProbLog allows for an extensible neuro-symbolic approach that accommodates connectionist components to analyse patient images within a transparent and rigorous probabilistic framework, namely probabilistic logic programming under the distribution semantics. Framed as a case study in stroke detection from multimodal data, this contribution explores the pathway from summary statistics available in the literature to a DeepProbLog-based diagnostic system. It suggests a workflow using established maximum entropy techniques to complete available probabilistic information and the probabilistic logic programming system ProbLog 2 to move from the entropy-maximising causal model to a discriminative neuro-symbolic model expressible within DeepProbLog. The relative performance of models derived from less complete data is analysed alongside the potential of the probabilistic inductive logic programming system ProbFOIL 2 for compressing large discriminative models, and the perspectives and implications of using DeepProbLog for diagnostic reasoning are discussed.
• Abstract（参考訳）: 医学応用においては、生データは重要なプライバシー上の懸念にしばしば関連付けられ、文献からの要約統計のエンコーディングに特に重要である。 一方,深層学習は視覚・聴覚センサデータに基づく症状評価ツールとして有用である。 DeepProbLogは、接続性コンポーネントに対応して、透過的で厳密な確率的フレームワーク、すなわち分散セマンティクスの下での確率論的論理プログラミング内で、患者イメージを分析する、拡張可能なニューロシンボリックアプローチを可能にする。 マルチモーダルデータからの脳卒中検出のケーススタディとして、文献で利用可能な要約統計からDeepProbLogベースの診断システムへの経路を考察した。 これは、利用可能な確率的情報を完成させるために確立された最大エントロピー手法と確率論的論理プログラミングシステムProbLog 2を用いて、エントロピー最大因果モデルからDeepProbLog内で表現可能な識別的ニューロシンボリックモデルに移行するワークフローを提案する。 完全でないデータから導出されるモデルの相対的性能を,大規模判別モデルを圧縮する確率的帰納的論理プログラミングシステムProbFOIL 2のポテンシャルとともに分析し,診断的推論にDeepProbLogを用いることの展望と意義について考察する。

関連論文リスト

• Improving Out-of-Distribution Detection with Markov Logic Networks [4.036176542852314]
  オープンワールドシナリオで動作するディープラーニングモデルの信頼性を確保するためには、アウト・オブ・ディストリビューション(OOD)検出が不可欠である。 本研究はマルコフ論理ネットワーク(MLN)を利用した確率論的推論による既存のOOD検出器の拡張を提案する。 MLNは計算効率を保ちながら,既存のOOD検出器の性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2025-05-28T12:00:37Z)
• Towards Probabilistic Inductive Logic Programming with Neurosymbolic Inference and Relaxation [0.0]
  本稿では,欠陥や確率的背景知識を扱うPropperを提案する。 ノイズの多いイメージのリレーショナルパターンでは、Propperは8つの例からプログラムを学ぶことができる。 グラフニューラルネットワークのようなバイナリILPや統計モデルよりも優れています。
  論文  参考訳（メタデータ） (2024-08-21T06:38:49Z)
• PhenoFlow: A Human-LLM Driven Visual Analytics System for Exploring Large and Complex Stroke Datasets [21.783005762375417]
  PhenoFlowは、人間と大規模言語モデル(LLM)の協調を利用した視覚分析システムである。 PhenoFlowは、生の患者データにアクセスせずに、メタデータを使用して推論し、実行可能なコードを合成する。 本研究は,急性虚血性脳卒中患者のデータ駆動型臨床意思決定における現在の課題にLCMを用いて取り組む可能性を示す。
  論文  参考訳（メタデータ） (2024-07-23T09:25:59Z)
• IID Relaxation by Logical Expressivity: A Research Agenda for Fitting Logics to Neurosymbolic Requirements [50.57072342894621]
  本稿では、ニューロシンボリック・ユースケースにおける既知のデータ依存と分布制約を利用する利点について論じる。 これは、ニューロシンボリックな背景知識と、その論理に必要とされる表現性に関する一般的な疑問を伴う新しい研究課題を開く。
  論文  参考訳（メタデータ） (2024-04-30T12:09:53Z)
• dPASP: A Comprehensive Differentiable Probabilistic Answer Set Programming Environment For Neurosymbolic Learning and Reasoning [0.0]
  本稿では,ニューロシンボリック推論のための新しい宣言型論理プログラミングフレームワークdPASPを提案する。 非決定論的・矛盾的・不完全・統計的知識を表現できる確率論的論理プログラムのセマンティクスについて論じる。 次に、いくつかのサンプルプログラムとともに、言語での推論と学習をサポートする実装されたパッケージについて説明する。
  論文  参考訳（メタデータ） (2023-08-05T19:36:58Z)
• Simulation-based Inference for High-dimensional Data using Surjective Sequential Neural Likelihood Estimation [45.9982965995401]
  我々はSBI(Surjective Sequential Neural Likelihood Estimation)という,シミュレーションベース推論(SBI)手法のファミリーにおける新しいメンバーを提案する。 SSNL は次元共振型正規化フローモデルに適合し、マルコフ連鎖モンテカルロあるいは変分ベイズ法による計算推論を可能にする代理可能性関数として利用する。 SSNLは、天体物理学と神経科学の文献から得られた2つの挑戦的な実例を含む、多種多様な実験で評価し、その成果が、最先端の手法に匹敵するか、同等であることを示す。
  論文  参考訳（メタデータ） (2023-08-02T10:02:38Z)
• Neural Probabilistic Logic Programming in Discrete-Continuous Domains [9.94537457589893]
  ニューラルシンボリックAI(NeSy)は、ニューラルネットワークが論理の形でシンボリックバックグラウンド知識を利用することを可能にする。 確率論的NeSyは、論理理論と確率理論の両方でニューラルネットワークを統合することに焦点を当てている。 DeepSeaProbLogは、DPPテクニックをNeSyに組み込んだ、ニューラルネットワーク確率論理プログラミング言語である。
  論文  参考訳（メタデータ） (2023-03-08T15:27:29Z)
• Quantifying & Modeling Multimodal Interactions: An Information Decomposition Framework [89.8609061423685]
  本稿では,入力モーダル性と出力タスクを関連付けた冗長性,特異性,シナジーの度合いを定量化する情報理論手法を提案する。 PID推定を検証するために、PIDが知られている合成データセットと大規模マルチモーダルベンチマークの両方で広範な実験を行う。 本研究では,(1)マルチモーダルデータセット内の相互作用の定量化,(2)マルチモーダルモデルで捉えた相互作用の定量化,(3)モデル選択の原理的アプローチ,(4)実世界のケーススタディの3つにその有用性を示す。
  論文  参考訳（メタデータ） (2023-02-23T18:59:05Z)
• Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
  本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。 また、局所的な一貫性の結果に基づいた理論的保証も提供する。 この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-11-17T15:48:06Z)
• General stochastic separation theorems with optimal bounds [68.8204255655161]
  分離性の現象が明らかになり、機械学習で人工知能(AI)システムのエラーを修正し、AI不安定性を分析するために使用された。 エラーやエラーのクラスタは、残りのデータから分離することができる。 AIシステムを修正する能力は、それに対する攻撃の可能性も開き、高次元性は、同じ分離性によって引き起こされる脆弱性を誘発する。
  論文  参考訳（メタデータ） (2020-10-11T13:12:41Z)
• Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
  本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
  論文  参考訳（メタデータ） (2020-09-28T18:30:14Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)

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。