論文の概要: Coronary Artery Disease Diagnosis; Ranking the Significant Features Using Random Trees Model

• arxiv url: http://arxiv.org/abs/2001.09841v1
• Date: Thu, 16 Jan 2020 20:01:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 23:28:08.284371
• Title: Coronary Artery Disease Diagnosis; Ranking the Significant Features Using Random Trees Model
• Title（参考訳）: 冠動脈疾患の診断 : ランダムツリーモデルを用いた重要な特徴のランク付け
• Authors: Javad Hassannataj Joloudari, Edris Hassannataj Joloudari, Hamid Saadatfar, Mohammad GhasemiGol, Seyyed Mohammad Razavi, Amir Mosavi, Narjes Nabipour, Shahaboddin Shamshirband, and Laszlo Nadai
• Abstract要約: 本研究の目的は,冠状動脈疾患の診断精度を高めることにある。 提案手法は有望な結果を示し,RTモデルが他のモデルより優れていることを確認した。
• 参考スコア（独自算出の注目度）: 0.9634136878988853
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Heart disease is one of the most common diseases in middle-aged citizens. Among the vast number of heart diseases, the coronary artery disease (CAD) is considered as a common cardiovascular disease with a high death rate. The most popular tool for diagnosing CAD is the use of medical imaging, e.g., angiography. However, angiography is known for being costly and also associated with a number of side effects. Hence, the purpose of this study is to increase the accuracy of coronary heart disease diagnosis through selecting significant predictive features in order of their ranking. In this study, we propose an integrated method using machine learning. The machine learning methods of random trees (RTs), decision tree of C5.0, support vector machine (SVM), decision tree of Chi-squared automatic interaction detection (CHAID) are used in this study. The proposed method shows promising results and the study confirms that RTs model outperforms other models.
• Abstract（参考訳）: 心臓病は中年の市民で最も多い病気の1つである。 多くの心臓疾患のうち、冠状動脈疾患(CAD)は、死亡率の高い一般的な心血管疾患であると考えられている。 cadを診断する最も一般的なツールは、医用画像(例えば血管造影)の使用である。 しかし,血管造影は費用がかかり,副作用も多々あることが知られている。 そこで本研究の目的は,冠状動脈疾患の診断の正確性を高めることであり,そのランキング順に有意な予測特徴の選択を行うことである。 本研究では,機械学習を用いた統合手法を提案する。 本研究では,ランダムツリー(RT),C5.0の決定木,サポートベクトルマシン(SVM),Chi-squared Automatic Interaction Detection(CHAID)の決定木を用いた。 提案手法は有望な結果を示し,RTモデルが他のモデルより優れていることを確認した。

関連論文リスト

• Classification and Prediction of Heart Diseases using Machine Learning Algorithms [0.0]
  K-Nearest Neighbor法は、患者が心臓病を患っているかどうかを判断する最も効果的な機械学習アルゴリズムであることが示されている。 追加の機械学習アルゴリズムの心臓疾患予測への応用について、さらなる研究を行うことは有益である。
  論文  参考訳（メタデータ） (2024-09-05T16:52:20Z)
• A data balancing approach towards design of an expert system for Heart Disease Prediction [0.9895793818721335]
  心臓病は深刻な世界的な健康問題で、毎年何百万人もの命がかかっています。 本稿では,決定木(DT),ランダムフォレスト(RF),線形判別分析,エクストラツリーブースト,アダブーストという5つの機械学習手法を用いた。 ランダムフォレストと決定木モデルの精度は99.83%だった。
  論文  参考訳（メタデータ） (2024-07-26T08:56:13Z)
• Ensemble Framework for Cardiovascular Disease Prediction [0.0]
  心臓病は、世界中でコミュニケーション不能で無音な死の主な原因である。 我々は,ExtraTrees,Random Forest,XGBoostなど,複数の機械学習アルゴリズムを用いたアンサンブルを組み込んだフレームワークを提案している。 提案手法は,既存の文献よりも高い92.34%の精度を実現した。
  論文  参考訳（メタデータ） (2023-06-16T17:37:43Z)
• An Intelligent Decision Support Ensemble Voting Model for Coronary Artery Disease Prediction in Smart Healthcare Monitoring Environments [0.0]
  冠動脈疾患 (CAD) は、世界で最も一般的な心臓疾患の1つである。 機械学習(ML)アルゴリズムに基づくe-diagnosisツールは、スマートヘルスケア監視システムで使用することができる。
  論文  参考訳（メタデータ） (2022-10-25T21:09:34Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest CT Images [41.73507451077361]
  本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。 コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。 以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
  論文  参考訳（メタデータ） (2020-06-16T10:14:58Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• Non-invasive modelling methodology for the diagnosis of Coronary Artery Disease using Fuzzy Cognitive Maps [0.0]
  ファジィ・コグニティブ・マップ(FCM)を用いた冠動脈疾患予測のための医療意思決定支援システムについて述べる。 FCMは人間の知識に基づく有望なモデリング手法であり、曖昧さと不確実性を扱うことができる。 新たに提案されたMDSSは、ファジィ論理とファジィ認知マップの基本概念を用いて開発され、結果を改善するためにいくつかの調整がなされている。
  論文  参考訳（メタデータ） (2020-04-02T15:10:31Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)

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。