Název: Bayesian Selective Transfer Learning for Patient-Specific Inference in Thyroid Radiotherapy
Autoři: Murray, Sean Ernest ; Quinn, Anthony
Typ dokumentu: Výzkumné zprávy
Rok: 2020
Jazyk: eng
Edice: Research Report, svazek: 2388
Abstrakt: This research report outlines a selective transfer approach for Bayesian estimation of patient-specific levels of radioiodine activity in the thyroid during the treatment of differentiated thyroid carcinoma. The work seeks to address some limitations of previous approaches [4] which involve generic, non-selective transfer of archival data. It is proposed that improvements in patient-specific inferences may be achieved via transferring external population knowledge selectively. This involves matching the patient to a similar sub-population based on available metadata, generating a Gaussian Mixture Model within the partitioned data, and optimally transferring a data predictive distribution from the sub-population to the specific patient. Additionally, a performance evaluation method is proposed and early-stage results presented.
Klíčová slova: Bayesian estimation; patient-specific inferences; thyroid carcinoma
Číslo projektu: GA18-15970S (CEP)
Poskytovatel projektu: GA ČR

Instituce: Ústav teorie informace a automatizace AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný na externích webových stránkách.
Externí umístění souboru: http://library.utia.cas.cz/separaty/2021/AS/quinn-0538241.pdf
Původní záznam: http://hdl.handle.net/11104/0316080

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-432899


Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Ústav teorie informace a automatizace
Zprávy > Výzkumné zprávy