ポップネット:データ待ち時間による実時間個体群レベル疾患予測【JST・京大機械翻訳】

Gao Junyi; Xiao Cao; Glass Lucas M.; Sun Jimeng

プレプリント

J-GLOBAL ID：202202220299468890 整理番号：22P0286027

ポップネット:データ待ち時間による実時間個体群レベル疾患予測【JST・京大機械翻訳】

PopNet: Real-Time Population-Level Disease Prediction with Data Latency

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

集団レベルの疾患予測は,(稀に更新された)歴史的疾患統計に基づいて,将来,いくつかの場所で特定の疾患の潜在的患者の数を推定する。既存のアプローチはしばしば既存の疾患統計が信頼でき,変化しないであろう。しかし,実際には,データ収集は,しばしば時間がかかり,時間遅れがあり,歴史的および現在の疾患統計が連続的に更新されている。本研究では,データ待ち時間(PopNet)を捕捉し,改善された予測のために更新されたデータを組み入れる実時間ポピュレーションレベル疾患予測モデルを提案した。この目標を達成するために,PopNetモデルは,ハイブリッドグラフ注意ネットワークと再帰ニューラルネットワークを用いて,空間と時間効果を捉える2つの別々のシステムを使用して,リアルタイムデータと更新したデータをモデル化する。次に,PopNetは,エンドツーエンド方式で空間的および時間的待ち時間意識注意の両方を用いて,2つのシステムを融合する。実世界疾患データセットのPopNetを評価し,PopNetがすべてのベースライン疾患予測と一般的空間-時間予測モデルを一貫して凌駕し,最良のベースラインと比較して最大47%低い根二乗平均誤差と24%低い平均絶対誤差を達成することを示した。【JST・京大機械翻訳】

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

分子・遺伝情報処理 , トラヒック理論 , 薬理学一般

, , , , ,

前のページに戻る