論文の概要: NeuronSifter: Intervention Planning in CNS Microenvironments
- arxiv url: http://arxiv.org/abs/2609.35445v2
- Date: Tue, 29 Sep 2026 15:30:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.818649
- Title: NeuronSifter: Intervention Planning in CNS Microenvironments
- Title（参考訳）: NeuronSifter: CNSマイクロ環境における介入計画
- Abstract要約: アクション条件付き予測器は、プライマリをアイデンティティトークンやスカラー露光に還元する。
ポイント推定を別のプランナーに渡すと、その測定値に価値のある共同不確実性は破棄される。
我々は、制御器配置ではなく、介入インターフェースの特性として、意思決定品質を扱います。
- 参考スコア（独自算出の注目度）: 3.8107412342726406
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Prioritizing central nervous system (CNS) interventions requires predicting how a dose, route, and schedule act on a partially observed microenvironment, then choosing the measurement that would change the decision. Action-conditioned predictors reduce a regimen to an identity token or a scalar exposure, discarding where and when the target is engaged; handing a point estimate to a separate planner then discards the joint uncertainty that makes a measurement worth running. We therefore treat decision quality as a property of the intervention interface, not of controller placement. NeuronSifter compiles regimens into state-conditional target-occupancy fields with support masks, propagates them through microenvironment dynamics with an occupancy-conditioned diffusion operator, and selects measurements by their expected reduction in intervention loss, assimilating typed outcomes into the same posterior. In a declared synthetic Alzheimer's disease (AD) evaluation over 64 paired scenario blocks, occupancy conditioning lowers trajectory continuous ranked probability score from 0.165 to 0.110 and raises intervention ordering accuracy from 0.760 to 0.880, and every paired benchmark contrast remains separated after Holm correction. Decision-directed acquisition attains terminal risk 0.160 against 0.166 for a matched numerical Bayesian experimental design planner, and reaches the target risk at 0.796 $[0.732,0.873]$ of an earlier design control's cost, while the corresponding ratio against the matched planner, 0.963 $[0.907,1.025]$, is not separated from equality; point-state and dependence-ablated interfaces instead raise risk to 0.220 and 0.199, and a full-posterior external controller ties exactly. Published AD trials supply a separate retrospective endpoint bridge.
- Abstract（参考訳）: 中枢神経系(CNS)の介入の優先順位付けには、ある線量、経路、スケジュールが部分的に観察された微小環境にどのように作用するかを予測する必要がある。
アクション条件付き予測器は、レジデントをアイデンティティトークンやスカラー露光に還元し、ターゲットがどこでいつ関与しているかを破棄し、ポイント推定を別のプランナーに渡すと、測定する価値のある共同不確実性を捨てる。
したがって、制御器配置ではなく、介入インタフェースの特性として、意思決定品質を扱います。
NeuronSifterは、プライマーを支持マスクで状態条件のターゲット占有フィールドにコンパイルし、占有条件付き拡散演算子で微小環境ダイナミクスを介して伝播し、期待される介入損失の減少による測定を選択し、型付き結果を同じ後方に同化させる。
64組のシナリオブロック上での人工アルツハイマー病(AD)の評価では、占有条件付けにより軌道上の連続的なランクの確率スコアが0.165から0.1110に低下し、介入順序の精度が0.760から0.880に上昇し、ホルム補正後も全てのベンチマークコントラストは分離されている。
決定指向の買収は、一致したベイズの実験的な設計プランナーに対して0.166に対して0.160で、目標リスクは0.796$[0.732,0.873]で、以前の設計管理コストは0.963$[0.907,1.025]で、一致するプランナーに対する対応する比率0.963$[0.907,1.025]は平等とは分離されない。
公開されたADトライアルは、別々のレトロスペクティブエンドポイントブリッジを提供する。
関連論文リスト
- Recommendation World Models for Future-State Control [53.191633845200876]
我々は、訓練されたランク付け者が将来の結果についての意思決定を支援する方法について研究する。
UA-TWM(UA-TWM)は,近傍のスレート動作を構成するユーティリティアンコールなワールドモデルインタフェースである。
本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。
論文 参考訳（メタデータ） (2026-09-25T02:37:48Z) - DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents [55.84813053778976]
ロングホライゾン言語モデルエージェントは、現在の決定と関係が変化する推論の痕跡、ツール交換、観察を蓄積する。
直接セットリスクスコアは、削除セットの選択としてエージェント履歴圧縮リスクを定式化する。
メカニカル・アナリシスとアブリケーションは、決定に制約のある関係、保持されたコンテキスト情報、ペア・インタラクション、および棄権がそれぞれ信頼できるプルーニングに寄与していることを示している。
論文 参考訳（メタデータ） (2026-09-23T03:06:01Z) - PGP-Clinical-TimeKAN: Prior-Guided Joint Probabilistic Forecasting of Clinical Trajectories [33.074550441856196]
PGP-Clinical-TimeKANは多変量生理学の合同確率予測のための軌道優先のフレームワークである。
欠如を意識した時間エンコーダ、ソフトオルガン前駆体、患者固有の関係、非線形コルモゴロフ・アルノルドメッセージ、低ランクの多変量学生-tヘッドを組み合わせる。
論文 参考訳（メタデータ） (2026-08-24T23:33:35Z) - A Domain-Structured Ensemble Framework for Perioperative Outcome Prediction Using Electronic Health Record Data [0.0]
周術期のリスク予測モデルは、狭い外科的人口、不完全なデータ、限られた解釈可能性によって制限されることが多い。
日常的に収集された電子健康記録(EHR)データを用いた結果予測のためのドメイン構造化アンサンブルフレームワークを提案する。
全国の保健情報交換所で行った5,386件の症例管理サンプルにおいて,術後デリリウムを用いた枠組みを実証した。
論文 参考訳（メタデータ） (2026-08-09T21:15:12Z) - Decomposing the Generalization Gap in PROTAC Activity Prediction: Variance Attribution and the Inter-Laboratory Ceiling [11.472625518731173]
我々は、これを評価科学的な問題とみなし、実験的なテストベッドとして標的タンパク質の分解を利用する。
ProTAC-Bench (10,748 測定,173 ターゲット,65 LOTO フォルダ),分散復号化フレームワーク,ターゲットごとのキャリブレーションプロトコル,評価コードをリリースする。
論文 参考訳（メタデータ） (2026-05-12T08:35:02Z) - DARTS: Targeting Prognostic Covariates in Budget-Constrained Sequential Experiments [47.61857875238484]
我々はトンプソンサンプリング(DARTS)による動的適応的ランダム化を導入する。
DARTSは、共変量取得を設計に基づく因果推論タスクに埋め込まれた逐次最適化問題として扱う。
我々は,最小限の値と対数的因子とを一致させる獲得層に対してベイズリスクを導出する。
論文 参考訳（メタデータ） (2026-05-07T17:27:51Z) - Transfer Learning for Meta-analysis Under Covariate Shift [4.022283857139673]
そこで本研究では,ソース・テリトリーの結果を豊富なプロキシ・シグナルとして扱い,ターゲット・テリトリー・プラセボの結果を少ない,高忠実なゴールド・ラベルとして扱うプラセボ・アンコール・トランスポート・フレームワークを提案する。
接続された設定全体では、提案手法は最善か最善か最善かで、プロキシのみ、ターゲットのみ、トランスポートベースラインよりも大幅に改善される。
論文 参考訳（メタデータ） (2026-04-03T02:40:08Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。
そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。
良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。
我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
論文 参考訳（メタデータ） (2023-12-25T01:00:58Z)
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。