論文の概要: Evaluator-Dependent Patient-Adaptive ECG Lead-Channel Allocation

• arxiv url: http://arxiv.org/abs/2608.26827v1
• Date: Thu, 27 Aug 2026 09:04:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.319535
• Title: Evaluator-Dependent Patient-Adaptive ECG Lead-Channel Allocation
• Title（参考訳）: 評価器依存型患者適応型心電図リードチャネルアロケーション
• Abstract要約: ECGリードチャネル選択のための患者条件付き取得ポリシーは、人口全体の固定プロトコルより優れている。 制御された任意マスクロジスティック評価器を用いて訓練した2つのポリシーを凍結することにより, PTB-XLに対する評価器依存性を実証的に検討した。 3つのポストホック感度分析 -- 共通基準スコア、ポリシー生成マスクとランダムマスクの混合による強評価器のトレーニング、そして、評価器が整列した強MGAポリシートレーニング -- は、それぞれ正の相互作用間隔を維持している。
• 参考スコア（独自算出の注目度）: 3.337151338735509
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Patient-conditioned acquisition policies for ECG lead-channel selection can outperform population-wide fixed protocols by tailoring the channel budget to each patient's observed cardiac state. However, the value of acquiring any given channel is defined relative to a downstream diagnostic evaluator, so marginal utilities learned under one evaluator need not transfer when the evaluator is replaced. We study this evaluator dependence empirically on PTB-XL by freezing two policies (ECG-on-Demand and MGA) trained with a controlled arbitrary-mask logistic evaluator, then scoring their unchanged acquisition trajectories with a more predictive masked raw-waveform ResNet1D. Exhaustive search provides metric-matched population-wide fixed comparators separately for each evaluator, enabling a clean interaction contrast. At budget $k=4$ on a held-out evaluation fold, ECG-on-Demand shifts from $D_\mathrm{C}=-0.011$ (favoring adaptive under the controlled evaluator) to $D_\mathrm{S}=+0.029$ (favoring fixed under the strong evaluator), yielding an NLL interaction of $+0.041$ (95% CI $[+0.030, +0.050]$). Across two policies, five budgets, and three probabilistic metrics, all 30 interaction estimates are positive with paired confidence intervals excluding zero. Three post-hoc sensitivity analyses -- common-reference scoring, training the strong evaluator on a mixture of policy-generated and random masks, and evaluator-aligned Strong-MGA policy training -- each preserve a positive interaction interval, making reference-choice and mask-distribution artifacts less plausible explanations. Evaluator-aligned training reduces but does not eliminate the gap. These results indicate that adaptive ECG channel allocation should be developed and validated jointly with its intended diagnostic backbone, and that jointly optimized sensing-diagnosis systems remain an open problem.
• Abstract（参考訳）: ECGリードチャネル選択のための患者条件の取得ポリシーは、各患者の観察された心臓状態に合わせてチャネル予算を調整することにより、人口全体の固定されたプロトコルを上回ることができる。 しかし、任意のチャネルを取得する値は、下流診断評価器に対して定義されるので、評価器の交換時に、ある評価器で学習した限界効用は転送する必要がない。 制御された任意マスクロジスティック評価器で訓練した2つのポリシー(ECG-on-DemandとMGA)を凍結し,より予測的マスキングされた生波形ResNet1Dで解析した。 被曝探索は、各評価器に対して、メートルマッチングされた人口規模の固定コンパレータを別々に提供し、クリーンな相互作用コントラストを可能にする。 ホールドアウト評価フォルダ上の$k=4$で、ECG-on-Demandは$D_\mathrm{C}=-0.011$から$D_\mathrm{S}=+0.029$に移行し、NLL相互作用は$+0.041$(95% CI $[+0.030, +0.050]$)となる。 2つのポリシー、5つの予算、3つの確率的指標、30の相互作用の推定値は、ゼロを除くペアの信頼区間で正である。 3つのポストホック感度分析 -- 共通参照スコア、ポリシー生成マスクとランダムマスクの混合上での強評価器のトレーニング、そして評価器による強MGAポリシートレーニング -- は、それぞれ正の相互作用間隔を保持し、参照選択とマスク配布アーティファクトを妥当な説明を少なくする。 評価者によるトレーニングは減少するが、ギャップを排除しない。 これらの結果から, 適応型心電図チャネルアロケーションは, 診断バックボーンと共同で開発・検証すべきであり, 共同最適化型感作診断システムも未解決の課題であることが示唆された。

関連論文リスト

• Adaptive Bayesian Partner Selection for Federated Clinical Centers [8.038001159690205]
  我々は,誰が協力し,いつ,どの費用を負担するかを決定するピアツーピアフレームワークを提案する。 適応的・ユーティリティ・アウェア・コラボレーションは,センターが多数かつ少ない場合に,精度を犠牲にすることなくコミュニケーションを減らすことが示される。
  論文  参考訳（メタデータ） (2026-09-15T00:07:13Z)
• CARDEA: Auditable Reasoning Grounded in Spatial Evidence for End-to-End Coronary Angiography Interpretation [0.0]
  既存のAIシステムは一貫性を向上させることができるが、監査可能な意思決定プロセスが欠如している。 我々はCAGパイプラインの推論コアとして機能する統合された大きな視覚言語モデルであるCARDEAを開発した。 CARDEAは、選択から研究レベルの診断を通じて、生のマルチビュービデオからエンドツーエンドのCAGパイプラインを実行する。
  論文  参考訳（メタデータ） (2026-09-07T02:01:27Z)
• SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
  自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。 自己検証を計算制御ポリシとして使用することを学ぶ。 マクロ平均精度は0.563で、平均で2.99回しか推測できない。
  論文  参考訳（メタデータ） (2026-07-30T16:20:58Z)
• A Multi-Cohort Validation of Censoring-Aware Conformal Lower Predictive Bounds for Pathology Survival Models [0.0]
  全スライディングサバイバルモデルは、個々のイベント時間に関するキャリブレーションされたステートメントなしで、リスクランキングを提供することが多い。 離散時間多重インスタンス学習サバイバルヘッド用ポストホックコンフォメーションラッパーである固定カットド・ドコサルクについて検討した。
  論文  参考訳（メタデータ） (2026-07-23T12:58:04Z)
• When Individually Calibrated Models Become Collectively Miscalibrated [3.556355987197792]
  本研究では,個別に調整した予測器が戦略的に相互作用した場合に集団的に誤判定されることを示す。 正の相関関係を持つブライアスコアに基づくアグリゲーションでは、各エージェントの個別に最適なレポートは、正のクラス確率を体系的に過小評価する。 対照的に、VCGベースのアグリゲーションは、限界貢献に報いることでインセンティブを調整し、支配的な戦略的なインセンティブ互換性とほぼ最適のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-14T05:25:16Z)
• Robustifying and Selecting Cohort-Appropriate Prognostic Models under Distributional Shifts [3.8031924942083517]
  外的検証は、予後モデル評価のための金の標準として広く見なされている。 実験では,外部キャリブレーションの成功が共変数の類似性や検証コホート間の結果に大きく依存するかどうかを検討した。 本稿では,コホート間の予測モデルの輸送性を改善するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2026-04-16T21:10:41Z)
• Optimizing Point-of-Care Ultrasound Video Acquisition for Probabilistic Multi-Task Heart Failure Detection [3.5617951813421818]
  本稿では、RLエージェントが次のビューを選択して取得を終了するパーソナライズされたデータ取得戦略を提案する。 終了時,診断モデルは大動脈狭窄(AS)重症度と左室放出率(LVEF)を同時予測する 本手法は32%の動画を用いて,AS重度分類とLVEF推定における平均平衡精度(bACC)を77.2%達成し,フルスタディ性能と一致した。
  論文  参考訳（メタデータ） (2026-02-14T07:56:21Z)
• Almost Asymptotically Optimal Active Clustering Through Pairwise Observations [59.20614082241528]
  そこで本研究では, ノイズと能動的に収集された応答を用いて, M$アイテムを未知数の$K$個別グループにクラスタリングするための新しい分析フレームワークを提案する。 クラスタリングの精度に対する望ましい信頼性を達成するのに必要なクエリ数の基本的下位境界を確立する。 我々は、一般化された同値比統計の計算可能な変種を開発し、その下限に対する性能ギャップを正確に推定できることを実証的に示す。
  論文  参考訳（メタデータ） (2026-02-05T14:16:47Z)
• Reference-Free Rating of LLM Responses via Latent Information [53.463883683503106]
  本研究では,判断モデルに対して,自由テキスト応答にQuattスケールのスコアを割り当てるよう依頼する一般的な実践について検討する。 次に、内部モデル信号からスカラー評価を導出する潜在裁判官を提案し、評価する。 ペアとシングルレーティングのベンチマークの幅広いスイートの中で、潜在メソッドは標準のプロンプトにマッチするか、超えている。
  論文  参考訳（メタデータ） (2025-09-29T12:15:52Z)
• TrustJudge: Inconsistencies of LLM-as-a-Judge and How to Alleviate Them [58.04324690859212]
  自動評価器(LLM-as-a-judge)としての大規模言語モデル(LLM)は、現在の評価フレームワークにおいて重大な矛盾を明らかにしている。 スコア比較不整合とペアワイズ・トランジティビティ不整合という2つの基本的不整合を同定する。 我々は2つの重要なイノベーションを通じてこれらの制限に対処する確率的フレームワークであるTrustJudgeを提案する。
  論文  参考訳（メタデータ） (2025-09-25T13:04:29Z)
• Quantifying Impairment and Disease Severity Using AI Models Trained on Healthy Subjects [27.786240241494436]
  Confidence-based chaRacterization of Anomalies (COBRA) スコアは、障害または疾患のある患者に提示された場合、これらのモデルの信頼性の低下を利用する。 脳卒中患者の上半身障害の現在の臨床的評価の鍵となる限界にCOBRAスコアを適用した。
  論文  参考訳（メタデータ） (2023-11-21T18:45:52Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)

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。