論文の概要: Two Tier Prediction of Stroke Using Artificial Neural Networks and Support Vector Machines

• arxiv url: http://arxiv.org/abs/2003.08354v2
• Date: Thu, 19 Mar 2020 00:29:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 21:02:18.595880
• Title: Two Tier Prediction of Stroke Using Artificial Neural Networks and Support Vector Machines
• Title（参考訳）: ニューラルネットワークと支持ベクトルマシンを用いたストロークの2つのタイヤ予測
• Authors: Jerrin Thomas Panachakel and Jeena R.S
• Abstract要約: 統計的には、脳卒中は2番目の死因である。 これは脳卒中を予測できる2段階のシステムを提案する動機となった。 最初の階層では、ANN(Artificial Neural Network)を使用して、脳卒中を患う人の可能性を予測する。 ひとたび脳卒中リスクが高いと分類されると、s/heは別の階層2分類テストを行い、脳卒中の可能性を予測するために神経MRIが分析される。
• 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: Cerebrovascular accident (CVA) or stroke is the rapid loss of brain function due to disturbance in the blood supply to the brain. Statistically, stroke is the second leading cause of death. This has motivated us to suggest a two-tier system for predicting stroke; the first tier makes use of Artificial Neural Network (ANN) to predict the chances of a person suffering from stroke. The ANN is trained the using the values of various risk factors of stroke of several patients who had stroke. Once a person is classified as having a high risk of stroke, s/he undergoes another the tier-2 classification test where his/her neuro MRI (Magnetic resonance imaging) is analysed to predict the chances of stroke. The tier-2 uses Non-negative Matrix Factorization and Haralick Textural features for feature extraction and SVM classifier for classification. We have obtained an accuracy of 96.67% in tier-1 and an accuracy of 70% in tier-2.
• Abstract（参考訳）: 脳血管障害(CVA)または脳卒中は、脳への血液供給の障害による脳機能の急激な喪失である。 統計的には、脳卒中は2番目の死因である。 これは、脳卒中を予測するための2層システムを提案する動機となりました。第1層は、脳卒中を患う人の可能性を予測するために、Artificial Neural Network(ANN)を使用します。 ANNは、脳卒中患者数人の脳卒中リスクファクターの値を用いて訓練されている。 ひとたび脳卒中リスクが高いと分類されると、s/heは彼の神経MRI(磁気共鳴画像)を分析して脳卒中の可能性を予測するティア2分類テストを行う。 tier-2は、特徴抽出に非負行列因子化とハラリックテクスチャ機能、分類にSVM分類器を使用する。 精度はtier-1では96.67%,tier-2では70%であった。

関連論文リスト

• Predicting Overtakes in Trucks Using CAN Data [51.28632782308621]
  CANデータからトラックの積載量の検出について検討する。 私たちの分析では、オーバーテイクイベントの最大10秒前をカバーしています。 我々は、オーバーテイク・トリガーに近づくと、オーバーテイク・クラスの予測スコアが増加する傾向にあることを観察する。
  論文  参考訳（メタデータ） (2024-04-08T17:58:22Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Deep-ASPECTS: A Segmentation-Assisted Model for Stroke Severity Measurement [1.3814679165245243]
  脳卒中は、脳内の動脈が破裂して出血したり、脳への血液供給が遮断されたときに起こる。 本研究では,ASPECTSにおけるCTスキャンの深層学習に基づくスコアリング手法を提案する。
  論文  参考訳（メタデータ） (2022-03-05T06:12:49Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• An End-to-End Deep Learning Approach for Epileptic Seizure Prediction [4.094649684498489]
  畳み込みニューラルネットワーク(CNN)を用いたエンドツーエンドディープラーニングソリューションを提案する。 総合感度、誤予測率、受信機動作特性曲線下の面積は、それぞれ2つのデータセットで93.5%、0.063/h、0.981、98.8%、0.074/h、0.988に達する。
  論文  参考訳（メタデータ） (2021-08-17T05:49:43Z)
• Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
  T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。 686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
  論文  参考訳（メタデータ） (2021-06-06T07:11:25Z)
• Analysis and classification of main risk factors causing stroke in Shanxi Province [8.205220957412354]
  中国では近年、脳卒中が最初の死因となっている。 中国国家ストローク予防プロジェクト(CSPP)における「8+2」要因の重要性を評価した。 また、人間の脳卒中の確率を機械学習モデルで予測することもできる。
  論文  参考訳（メタデータ） (2021-05-29T14:27:08Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• ASL to PET Translation by a Semi-supervised Residual-based Attention-guided Convolutional Neural Network [3.2480194378336464]
  動脈スピンラベリング(ASL)MRIは、脳の血液力学的測定のための非侵襲的、非放射能的、および比較的安価なイメージング技術です。 本稿では,ASLをPET画像に変換する畳み込みニューラルネットワーク(CNN)モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-08T22:06:02Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• Bayesian convolutional neural network based MRI brain extraction on nonhuman primates [2.2182171526013774]
  最近の自動脳抽出法はヒトの脳に良い結果をもたらすが、ヒト以外の霊長類には満足できない。 深部ベイズ畳み込みニューラルネットワーク(CNN)と完全連結3次元条件付きランダムフィールド(CRF)を組み合わせた完全自動脳抽出パイプラインを提案する。 提案手法は,100個の非ヒト霊長類のT1w画像からなる手動脳抽出データセットを用いて評価した。
  論文  参考訳（メタデータ） (2020-05-18T05:08:30Z)

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。