論文の概要: Leakage-Controlled Structure-Preserving Augmentation and Template-Aware Evaluation for Bangla Symptom-Based Disease Prediction
- arxiv url: http://arxiv.org/abs/2610.41733v1
- Date: Fri, 30 Oct 2026 13:42:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.758883
- Title: Leakage-Controlled Structure-Preserving Augmentation and Template-Aware Evaluation for Bangla Symptom-Based Disease Prediction
- Title（参考訳）: バングラ症状に基づく疾患予測のための漏洩制御型構造保存強化とテンプレートアウェアの評価
- Abstract要約: バングラ症状に基づく疾患予測は、1つまたは2つの症状で異なる多くのプロファイルを含む小さな、不均衡な構造化されたベンチマークで一般的に評価される。
列車のみの非対称的ベルヌーイ摂動は85の疾患と172のバイナリー症状にまたがる725のプロファイルを用いて分類を改善するか検証した。
- 参考スコア（独自算出の注目度）: 1.7149364927872013
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bangla symptom-based disease prediction is commonly evaluated on a small, imbalanced structured benchmark containing many profiles that differ by only one or two symptoms. We test whether train-only asymmetric Bernoulli perturbation improves classification using 725 unique profiles spanning 85 diseases and 172 binary symptoms. Experiments use ten repeated real-profile holdouts and parent-grouped inner cross-validation. The 2 x 2 design separates augmentation from hyperparameter tuning, with exact duplication, random oversampling, class weighting, and SMOTEN as balancing controls. For Bernoulli Naive Bayes (BNB), the gain over tuned raw training does not withstand Holm correction, although BNB attains the highest mean accuracy (97.50%). The boosted-tree models benefit substantially: XGBoost, LightGBM, and CatBoost improve by 18.10, 28.45, and 10.09 percentage points, respectively. A Hamming-distance audit places 91.0% of standard held-out profiles within one symptom bit of the training data. Accuracy decreases on a same-disease 1-bit-purged challenge; nevertheless, XGBoost and LightGBM retain large augmentation gains. We also evaluate robustness to missing and spurious symptoms and the faithfulness of BNB explanations. Overall, Bernoulli perturbation is useful for some model families, but benchmark accuracy should be interpreted together with template proximity.
- Abstract（参考訳）: バングラ症状に基づく疾患予測は、1つまたは2つの症状で異なる多くのプロファイルを含む小さな、不均衡な構造化されたベンチマークで一般的に評価される。
列車のみの非対称的ベルヌーイ摂動は85の疾患と172のバイナリー症状にまたがる725のプロファイルを用いて分類を改善するか検証した。
実験では、10つの実例のホールドアウトと、親集団の内集団のクロスバリデーションが使用される。
2 x 2の設計は、高パラメータチューニングから、正確な重複、ランダムオーバーサンプリング、クラス重み付け、SMOTENをバランス制御として分離する。
ベルヌーイ・ネイブ・ベイズ (BNB) にとって、調整済みの生トレーニングでの利得はホルムの補正には耐えられないが、BNBは最高平均精度 (97.50%) に達した。
XGBoost、LightGBM、CatBoostはそれぞれ18.10、28.45、そして10.09ポイント改善されている。
ハミング距離監査は、トレーニングデータの1つの症状ビット内に標準保持プロファイルの91.0%を配置する。
にもかかわらず、XGBoostとLightGBMは大幅に増加し続けています。
またBNB説明の欠如と急激な症状に対する頑健さと忠実さも評価した。
全体として、Bernoulli摂動はいくつかのモデルファミリーで有用であるが、ベンチマーク精度はテンプレート近接とともに解釈されるべきである。
関連論文リスト
- Uncertainty-Gated SHAP-Dirichlet Refinement for MRI-Based Depression Classification [1.5881623669658271]
構造MRIによる大うつ病 (MDD) の分類は, 微妙で異質な解剖学的変化のため, 依然として困難である。
本稿では,再トレーニングなしに予測を改善するポストホック信頼性層である不確実性付きSHAP-Dirichletの改良を提案する。
論文 参考訳（メタデータ） (2026-10-19T01:25:51Z) - The Ceiling Is in the Channel: Auditing Learner Gaps and Measurement Frontiers in Clinical Prediction [1.9899603776429056]
最適平衡精度は、全変分分離によって特徴づけられる。
PRISMAで誘導された104の臨床的タスクの合成は、同じチャネルレベルの規則性が18以上の疾患コホートに再帰していることを示している。
論文 参考訳（メタデータ） (2026-09-01T22:15:49Z) - Boundary-Seeking GAN-Augmented TabTransformer for Adversarially Robust Intrusion Detection [0.0]
本研究では,BGAN(Bundary-Seeking Generative Adrial Network)を用いて,フローベース侵入検知のためのTabTransformerフレームワークを提案する。
BGANは、データの不均衡を軽減するために合成マイノリティクラスサンプルを生成し、対逆サンプルを生成し、モデルリバーサを評価することによって二重目的に機能する。
実験の結果、BGANはTabTransformerのMacro-F1スコアを82.96%から86.50%に改善した。
論文 参考訳（メタデータ） (2026-07-17T00:35:52Z) - Are Benchmark Tests Strong Enough? Mutation-Guided Diagnosis and Augmentation of Regression Suites [49.16055123488827]
十分に強力なテストスイートは、報告された成功率を膨らませながら、妥当だが意味的に正しくないパッチを認めることができる。
STINGは、意味的に変化するプログラムの変種を診断ストレス要因として利用する、ターゲットテスト拡張のためのフレームワークである。
STINGは211インスタンスにまたがる1014の検証テストを生成し、パッチリージョンラインとブランチカバレッジを10.8%、9.5%向上させた。
論文 参考訳（メタデータ） (2026-04-02T01:13:40Z) - BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。
両課題に対処する統合フレームワークであるBadCLIP++を提案する。
ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。
持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
論文 参考訳（メタデータ） (2026-02-19T08:31:16Z) - Deep Unsupervised Anomaly Detection in Brain Imaging: Large-Scale Benchmarking and Bias Analysis [42.60508892284938]
脳画像の深部教師なし異常検出のための大規模マルチセンターベンチマークを提案する。
健康なデータセットと多様な臨床コホートにまたがる2,221T1wと1,262T2wのスキャンを行った。
我々のベンチマークは今後の研究の透明な基盤を確立し、臨床翻訳の優先順位を強調している。
論文 参考訳（メタデータ） (2025-12-01T11:03:27Z) - An Explainable and Fair AI Tool for PCOS Risk Assessment: Calibration, Subgroup Equity, and Interactive Clinical Deployment [0.10026496861838446]
本稿では,多嚢胞性卵巣症候群(PCOS)の予測のための,公平で解釈可能な機械学習フレームワークを提案する。
このフレームワークは、SHAPに基づく特徴属性と人口統計監査を統合し、予測的説明と観察的差異を関連付ける。
StreamlitベースのWebインターフェースは、リアルタイムPCOSリスク評価、ロッテルダム基準評価、インタラクティブな「What-if」分析を可能にする。
論文 参考訳（メタデータ） (2025-11-08T16:14:56Z) - 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) - Calibrated and Conformal Propensity Scores for Causal Effect Estimation [10.209143402485406]
学習された確率スコアモデルの確率的出力は校正されるべきである。
校正確率スコアはGWAS解析の速度を2倍以上に向上させる。
論文 参考訳（メタデータ） (2023-06-01T06:26:26Z) - Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
本研究の目的は、希少な疾患を患っているk人の集団を同定することである。
個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
論文 参考訳（メタデータ） (2022-06-15T16:38:50Z) - Double Forward Propagation for Memorized Batch Normalization [68.34268180871416]
バッチ正規化(BN)は、ディープニューラルネットワーク(DNN)の設計における標準コンポーネントである。
より正確でロバストな統計値を得るために,複数の最近のバッチを考慮に入れた記憶型バッチ正規化(MBN)を提案する。
関連する手法と比較して、提案したMBNはトレーニングと推論の両方において一貫した振る舞いを示す。
論文 参考訳（メタデータ） (2020-10-10T08:48:41Z)
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。