論文の概要: The Atrial Fibrillation Risk Score for Hyperthyroidism Patients
- arxiv url: http://arxiv.org/abs/2002.12632v1
- Date: Fri, 28 Feb 2020 10:23:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-01 07:50:26.993095
- Title: The Atrial Fibrillation Risk Score for Hyperthyroidism Patients
- Title（参考訳）: 甲状腺機能亢進症に対する心房細動リスクスコア
- Authors: Ilya V. Derevitskii, Daria A. Savitskaya, Alina Y. Babenko, Sergey V.
Kovalchuk
- Abstract要約: 甲状腺障害の主なリスクの1つは心房細動(AF)である
正しいAF予測は、医療従事者が正しい薬を処方し、外科的または放射性ヨード療法を正すのに役立つ。
本研究は,TT患者に対する心房細動の発生リスクを評価する新しい方法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Thyrotoxicosis (TT) is associated with an increase in both total and
cardiovascu-lar mortality. One of the main thyrotoxicosis risks is Atrial
Fibrillation (AF). Right AF predicts help medical personal prescribe the
correct medicaments and correct surgical or radioiodine therapy. The main goal
of this study is creating a method for practical treatment and diagnostic AF.
This study proposes a new method for assessing the risk of occurrence atrial
fibrillation for patients with TT. This method considers both the features of
the complication and the specifics of the chronic disease. A model is created
based on case histories of patients with thyrotoxicosis. We used Machine
Learning methods for creating several models. Each model has advantages and
disadvantages depending on the diagnostic and medical purposes. The resulting
models show high results in the different metrics of the prediction of AF.
These models interpreted and simple for use. Therefore, models can be used as
part of the support and decision-making system (DSS) by medical specialists in
the treatment and diagnostic of AF.
- Abstract（参考訳）: thyrotoxicosis (tt) は, 総および心室細動の死亡率の増加と関係している。
甲状腺障害の主なリスクの1つは心房細動(AF)である。
正しいAF予測は、医療従事者が正しい薬を処方し、外科的または放射性ヨード療法を正すのに役立つ。
本研究の主な目的は、実践的治療と診断のための方法を作成することである。
本研究は,TT患者に対する心房細動の発生リスクを評価する新しい方法を提案する。
本方法は、合併症の特徴と慢性疾患の特異性の両方を考慮する。
胸腺毒性症患者の症例履歴に基づいてモデルが作成される。
機械学習を使っていくつかのモデルを作成しました。
それぞれのモデルには、診断と医療の目的に応じて利点とデメリットがある。
得られたモデルはAF予測の異なる指標において高い結果を示す。
これらのモデルは簡単に解釈できる。
したがって、モデルは、afの治療および診断において、医療専門家による支援意思決定システム(dss)の一部として使用できる。
関連論文リスト
- MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study [0.7751705157998379]
アルツハイマー病(AD)と血管性認知症(VaD)は最も多い認知症である。
本稿では、ADとVaDを正確に区別する革新的なマルチオミクス手法を提案し、89.25%の精度で診断を行う。
論文 参考訳（メタデータ） (2024-11-06T10:13:28Z) - An Explainable AI Model for Predicting the Recurrence of Differentiated Thyroid Cancer [0.0]
本研究は,甲状腺癌の再発を予測するために,機械学習,特にディープラーニングモデルを用いている。
患者の臨床病理学的特徴を含むデータセットを解析することにより、トレーニング中の98%、テスト中の96%の顕著な精度を達成できた。
論文 参考訳（メタデータ） (2024-10-13T23:12:33Z) - CIResDiff: A Clinically-Informed Residual Diffusion Model for Predicting Idiopathic Pulmonary Fibrosis Progression [38.14873567230233]
特発性肺線維症(IPF)は患者の死亡率に大きく相関する。
現在の臨床基準では1年間隔で2回のCT検査を必要とする疾患の進行を規定している。
そこで我々は, 患者のCT画像からIPFの進行を正確に予測する新しい拡散モデルを開発した。
論文 参考訳（メタデータ） (2024-08-01T22:01:42Z) - 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) - Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。
提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,CheXpertデータセットを用いて実証した。
論文 参考訳（メタデータ） (2023-05-20T03:12:23Z) - Deep Learning for Predicting Progression of Patellofemoral
Osteoarthritis Based on Lateral Knee Radiographs, Demographic Data and
Symptomatic Assessments [1.1549572298362785]
本研究はMOST研究のベースラインから被験者(被験者1832名,膝3276名)を抽出した。
PF関節領域は, 側膝X線上の自動ランドマーク検出ツール(BoneFinder)を用いて同定した。
年齢、性別、BMIおよびWOMACスコア、および大腿骨関節X線学的関節炎ステージ(KLスコア)の危険因子について
論文 参考訳（メタデータ） (2023-05-10T06:43:33Z) - Breast Cancer Induced Bone Osteolysis Prediction Using Temporal
Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。
乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文 参考訳（メタデータ） (2022-03-20T21:00:10Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z)
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。