مقاله AdaMedGraph: شبکه های عصبی نمودار آدابوستینگ برای پزشکی شخصی سازی شده
| عنوان مقاله به انگلیسی | AdaMedGraph: Adaboosting Graph Neural Networks for Personalized Medicine |
| عنوان مقاله به فارسی | مقاله AdaMedGraph: شبکه های عصبی نمودار آدابوستینگ برای پزشکی شخصی سازی شده |
| نویسندگان | Jie Lian, Xufang Luo, Caihua Shan, Dongqi Han, Varut Vardhanabhuti, Dongsheng Li |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 9 |
| دسته بندی موضوعات | Machine Learning,فراگیری ماشین, |
| توضیحات | Submitted 24 November, 2023; originally announced November 2023. , Comments: Extended Abstract presented at Machine Learning for Health (ML4H) symposium 2023, December 10th, 2023, New Orleans, United States, 9 pages |
| توضیحات به فارسی | ارسال شده 24 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد. ، نظرات: چکیده گسترده ارائه شده در سمپوزیوم 2023 ، 10 دسامبر ، 2023 ، نیواورلئان ، ایالات متحده ، 9 صفحه ، سمپوزیوم 2023 ، 10 دسامبر 2023 ، ایالات متحده ، 9 صفحه |
چکیده
Precision medicine tailored to individual patients has gained significant attention in recent times. Machine learning techniques are now employed to process personalized data from various sources, including images, genetics, and assessments. These techniques have demonstrated good outcomes in many clinical prediction tasks. Notably, the approach of constructing graphs by linking similar patients and then applying graph neural networks (GNNs) stands out, because related information from analogous patients are aggregated and considered for prediction. However, selecting the appropriate edge feature to define patient similarity and construct the graph is challenging, given that each patient is depicted by high-dimensional features from diverse sources. Previous studies rely on human expertise to select the edge feature, which is neither scalable nor efficient in pinpointing crucial edge features for complex diseases. In this paper, we propose a novel algorithm named \ours, which can automatically select important features to construct multiple patient similarity graphs, and train GNNs based on these graphs as weak learners in adaptive boosting. \ours{} is evaluated on two real-world medical scenarios and shows superiors performance.
چکیده به فارسی (ترجمه ماشینی)
داروهای دقیق متناسب با بیماران فردی در زمان های اخیر مورد توجه قابل توجهی قرار گرفته است.اکنون تکنیک های یادگیری ماشین برای پردازش داده های شخصی از منابع مختلف از جمله تصاویر ، ژنتیک و ارزیابی ها استفاده می شوند.این تکنیک ها در بسیاری از کارهای پیش بینی بالینی نتایج خوبی را نشان داده اند.نکته قابل توجه ، رویکرد ساخت نمودارها با پیوند بیماران مشابه و سپس استفاده از شبکه های عصبی نمودار (GNN) مشخص است ، زیرا اطلاعات مربوط به بیماران مشابه جمع شده و برای پیش بینی در نظر گرفته می شوند.با این وجود ، انتخاب ویژگی لبه مناسب برای تعریف شباهت بیمار و ساخت نمودار چالش برانگیز است ، با توجه به اینکه هر بیمار توسط ویژگی های ابعادی بالا از منابع متنوع به تصویر کشیده می شود.مطالعات قبلی برای انتخاب ویژگی Edge به تخصص انسان متکی هستند ، که نه مقیاس پذیر و نه در تعیین ویژگی های مهم لبه برای بیماری های پیچیده است.در این مقاله ، ما یک الگوریتم جدید به نام ما پیشنهاد می کنیم ، که می تواند به طور خودکار ویژگی های مهم را برای ساخت نمودارهای شباهت چندگانه بیمار انتخاب کند ، و GNN را بر اساس این نمودارها به عنوان زبان آموزان ضعیف در تقویت سازگار آموزش می دهد. ما {} در دو سناریوی پزشکی در دنیای واقعی ارزیابی می شود و عملکرد فوق العاده را نشان می دهد.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.