論文の概要: SepsisLens: Structure-Preserving Sequence Modelling for Decomposable Early Sepsis Warning

• arxiv url: http://arxiv.org/abs/2610.08046v1
• Date: Tue, 06 Oct 2026 09:45:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.920226
• Title: SepsisLens: Structure-Preserving Sequence Modelling for Decomposable Early Sepsis Warning
• Title（参考訳）: SepsisLens: Decomposable Early Sepsis Warningのための構造保存シーケンスモデリング
• Abstract要約: ICUレコードからの早期のセシス警告は、構造保存予測問題としてキャストできる。 本稿では,リスク構成まで変数インデックス付き時間状態を保存するSepsisLensについて述べる。
• 参考スコア（独自算出の注目度）: 2.9231343532064877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early sepsis warning from ICU records can be cast as a structure-preserving prediction problem. A model needs to detect deterioration from irregular measurements while keeping each alert connected to the physiological signals that support it. Many temporal models fuse clinical variables into a patient-level representation, supporting scalar risk prediction but weakening the structure needed for clinical decomposition. We present SepsisLens, which preserves variable-indexed temporal states until risk composition. Observation-aware representations encode each variable's dynamics and measurement history, while a shared temporal encoder models each trajectory without collapsing the variable axis. The StructuredRiskHead composes multi-horizon risk from explicit variable-level and organ-level components. We evaluate SepsisLens on three public ICU cohorts and one private-hospital cohort under a common pre-onset protocol. SepsisLens achieves strong discrimination on all four cohorts and lower alert burden at matched event recall on MIMIC-IV. Structural ablations support the design, while input-side masking shows that the ranked components reflect variables with greater influence on prediction.
• Abstract（参考訳）: ICUレコードからの早期のセシス警告は、構造保存予測問題としてキャストできる。 モデルは、不規則な測定から劣化を検知し、それをサポートする生理的信号にそれぞれのアラートを関連づける必要がある。 多くの時間モデルは、臨床変数を患者レベルの表現に融合させ、スカラーリスク予測をサポートするが、臨床分解に必要な構造を弱める。 本稿では,リスク構成まで変数インデックス付き時間状態を保存するSepsisLensについて述べる。 観測対応表現は各変数のダイナミクスと測定履歴をエンコードし、共有時間エンコーダは変数軸を崩壊させることなく各軌道をモデル化する。 StructuredRiskHeadは、明示的な変数レベルとオルガンレベルのコンポーネントからマルチ水平リスクを構成する。 ICUの3つのコホートと1つのプライベート・ホスピタル・コホートを共通プリオンセットプロトコルで評価した。 SepsisLensは、MIMIC-IVでの一致したイベントリコールにおいて、4つのコホートすべてに対して強い差別と低い警告負担を達成している。 構造的改善は設計を支持し、入力側マスキングは、ランク付けされたコンポーネントが予測により大きな影響を及ぼす変数を反映していることを示している。

関連論文リスト

• Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
  情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。 本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。 本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
  論文  参考訳（メタデータ） (2026-10-02T20:36:22Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• DynImmune-BERT: Dynamic Immune Repertoire Modeling with Neural ODE Driven Continuous Transformers [20.989286585908978]
  DynImmune-BERTは、患者レベルの免疫状態予測のための連続的時間レパートリーモデルである。 低ランクのメタアダプタは、観察されたクローン数とは無関係にパラメータ数を保ちながら、クローンタイプを監督する。 その結果、時系列レパートリー構造が利用できる場合、イベント認識時空間モデリングは強い静的エンコーダを補完できることがわかった。
  論文  参考訳（メタデータ） (2026-07-19T13:25:05Z)
• Missingness as Signal: Channel-Independent Spectrogram Learning for Clinical Time Series Prediction [6.42984920182754]
  本研究は,Channel-Independent Spectrogram framework with a Missingness stream for clinical time series prediction。 MIMIC-IVから派生した病院内死亡タスクの実験では、CISMは、比較時系列、欠如認識、視力、時間周波数ベースラインのうち、AUROC(0.7225)、AUPRC(0.3308)、F1(0.3808)を達成している。
  論文  参考訳（メタデータ） (2026-07-03T04:21:19Z)
• Beyond Time Series: Spatial Reasoning for Epidemic Forecasting via Multimodal Learning [50.948271066372826]
  本稿では,地域レベルの時間的監視データと空間的局所的な補助信号を統合する,空間的に構造化されたマルチモーダル流行予測設定を提案する。 我々は,現実的なリアルタイム評価プロトコルの下で,実際の新型コロナウイルス,インフルエンザ,インフルエンザ様疾患(IIL)の予測課題に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2026-06-20T17:58:17Z)
• CSRA: Controlled Spectral Residual Augmentation for Robust Sepsis Prediction [18.002117522396755]
  本稿では,短時間ICU時系列を対象としたスペクトル残差増大フレームワークを提案する。 CSRAは、臨床システムによる変数を最初にグループ化し、システムレベルおよびグローバルな表現を抽出する。 その後、スペクトル領域で入力適応的残留摂動を行い、構造化され、臨床的に妥当な軌道変化を生成する。
  論文  参考訳（メタデータ） (2026-04-16T01:52:13Z)
• MATA-Former & SIICU: Semantic Aware Temporal Alignment for High-Fidelity ICU Risk Prediction [8.92515305370631]
  本稿では,予測モデリングを臨床論理と整合させる枠組みを提案する。 我々は,二項分類を連続的多軸回帰に変換するためのプラトー・ガウスソフトラベリング(PSL)を導入する。 本フレームワークは,テキスト集約的,不規則な臨床時系列からリスクを捕捉する上で,優れた有効性と堅牢な一般化を示す。
  論文  参考訳（メタデータ） (2026-04-02T07:45:52Z)
• MEET-Sepsis: Multi-Endogenous-View Enhanced Time-Series Representation Learning for Early Sepsis Prediction [50.74903497515021]
  セプシス(Sepsis)は、集中治療室(ICUs)の高死亡にともなう致命的な感染症である。 早期かつ正確な敗血症予測(SP)は、時間的介入には重要であるが、微妙な早期症状と急激な死亡率の増大により、依然として困難である。 本稿では,拡張された特徴ビューを構築するための多言語ビュー表現強化(MERE)機構と,時間的表現学習のためのCDTAモジュールを提案する。 提案したMEET-Sepsis フレームワークは,SOTA 法で要求される ICU モニタリング時間の 20% のみを用いて,競合予測の精度を実現し,大幅に向上した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:29Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)

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。