複数源データからの自殺念慮のための深い逐次モデル【JST・京大機械翻訳】

Peis Ignacio; Olmos Pablo M.; Vera-Varela Constanza; Barrigon Maria Luisa; Courtet Philippe; Baca-Garcia Enrique; Artes-Rodriguez Antonio

文献

J-GLOBAL ID：201902283758285391 整理番号：19A2716192

複数源データからの自殺念慮のための深い逐次モデル【JST・京大機械翻訳】

Deep Sequential Models for Suicidal Ideation From Multiple Source Data

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A2716192&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A2716192&from=J-GLOBAL&jstjournalNo=W1135A") }}

著者 (7件)： , , , , , ,
資料名：
巻： 23 号： 6 ページ： 2286-2293 発行年： 2019年
JST資料番号： W1135A ISSN： 2168-2194 CODEN： IJBHA9 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文は,深い逐次モデルを用いて,電子健康記録(EHR)と生態学的運動評価(EMA)データから自殺念慮を予測するための新しい方法を提示した。EHR縦データとEMA質問形式の両方を,非同期,可変長,ランダムサンプリングデータシーケンスにより定義した。著者らの方法では,再帰ニューラルネットワークを用いてそれらの各々をモデル化し,両方のシーケンスを時間的マークを用いてそれらのそれぞれの隠れ状態を連結することによって整列させた。さらに,非常に短いシーケンスに対処するために,長いシーケンスと時間に依存しない事前訓練方式における性能を改善するために,注意方式を組み込んだ。1023人の患者のデータベースを用いて,著者らの実験結果は,EMA記録の追加が,EHRベースの最先端法から67.78%まで排他的に得られた48.13%から自殺念慮診断を予測するためにシステム想起を促進することを示した。さらに,著者らの方法は潜在空間のt分布確率的近傍埋め込み(t-SNE)表現を通して解釈可能性を提供する。さらに,最も関連した入力特徴を同定し,医学的に解釈した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , ,
, , 【Automatic Indexing@JST】

医用画像処理

, ,

前のページに戻る