論文の概要: Non-invasive modelling methodology for the diagnosis of Coronary Artery
Disease using Fuzzy Cognitive Maps
- arxiv url: http://arxiv.org/abs/2004.02600v1
- Date: Thu, 2 Apr 2020 15:10:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-17 12:37:32.396034
- Title: Non-invasive modelling methodology for the diagnosis of Coronary Artery
Disease using Fuzzy Cognitive Maps
- Title(参考訳): ファジィ認知地図を用いた冠動脈疾患診断のための非侵襲的モデリング手法
- Authors: Ioannis Apostolopoulos, Peter Groumpos
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cardiovascular Diseases (CVD) and strokes produce immense health and economic
burdens globally. Coronary Artery Disease (CAD) is the most common type of
cardiovascular disease. Coronary Angiography, which is an invasive treatment,
is also the standard procedure for diagnosing CAD. In this work, we illustrate
a Medical Decision Support System for the prediction of Coronary Artery Disease
(CAD) utilizing Fuzzy Cognitive Maps (FCMs). FCMs are a promising modeling
methodology, based on human knowledge, capable of dealing with ambiguity and
uncertainty, and learning how to adapt to the unknown or changing environment.
The newly proposed MDSS is developed using the basic notions of Fuzzy Logic and
Fuzzy Cognitive Maps, with some adjustments to improve the results. The
proposed model, tested on a labelled CAD dataset of 303 patients, obtains an
accuracy of 78.2% outmatching several state-of-the-art classification
algorithms.
- Abstract(参考訳): 心臓血管疾患(CVD)と脳卒中は世界中で大きな健康と経済的負担をもたらす。
冠動脈疾患 (CAD) は心臓血管疾患の最も一般的な種類である。
冠動脈造影は侵襲的治療であり,CAD診断の標準的な方法でもある。
本稿では,ファジィ認知マップ(FCM)を用いた冠動脈疾患(CAD)の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、曖昧さと不確実性に対処し、未知または変化する環境に適応する方法を学ぶことができる。
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。
提案モデルは,303人のCADデータセットを用いて評価され,最先端の分類アルゴリズムに適合する78.2%の精度が得られる。
関連論文リスト
- MedRAG: Enhancing Retrieval-augmented Generation with Knowledge Graph-Elicited Reasoning for Healthcare Copilot [47.77948063906033]
Retrieval-augmented Generation (RAG)は、プライバシーに敏感な電子健康記録を検索するのに適した手法である。
本稿では,医療領域に対する知識グラフ(KG)により強化されたRAGモデルであるMedRAGを提案する。
MedRAGはより具体的な診断の洞察を提供し、誤診率の低減に最先端のモデルを上回っている。
論文 参考訳(メタデータ) (2025-02-06T12:27:35Z) - Synthetic CT image generation from CBCT: A Systematic Review [44.01505745127782]
深層学習法を用いたコーンビームCT(CBCT)データから合成CT(sCT)画像を生成することは,放射線腫瘍学における重要な進歩である。
sCT 生成における深層学習アプローチの頻度を明らかにするため,35 件の関連研究を同定,解析した。
論文 参考訳(メタデータ) (2025-01-22T13:54:07Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳(メタデータ) (2024-07-02T16:44:00Z) - CADICA: a new dataset for coronary artery disease detection by using
invasive coronary angiography [1.5404452377809545]
冠状動脈疾患(CAD)は、今でも世界中で死因となっている。
深層学習分類法は医用画像の他の領域でよく開発されている。
最も重要な理由の1つは、可用性と高品質なオープンアクセスデータセットの欠如である。
論文 参考訳(メタデータ) (2024-02-01T13:03:13Z) - AI Framework for Early Diagnosis of Coronary Artery Disease: An
Integration of Borderline SMOTE, Autoencoders and Convolutional Neural
Networks Approach [0.44998333629984877]
我々は,データのバランスが不均衡でサンプルサイズが小さい場合に,より正確な予測を行うために,データのバランスと拡張のための方法論を開発する。
実験の結果,提案手法の平均精度は95.36であり,ランダムフォレスト(RF),決定木(DT),サポートベクターマシン(SVM),ロジスティック回帰(LR),人工ニューラルネットワーク(ANN)よりも高かった。
論文 参考訳(メタデータ) (2023-08-29T14:33:38Z) - A 3D deep learning classifier and its explainability when assessing coronary artery disease [2.749052158388996]
冠動脈疾患の早期発見と診断は、命を救い、医療費を削減できる。
現在のほとんどのアプローチはディープラーニング手法を利用しているが、中心線抽出と多平面再構成が必要である。
提案手法は,最先端モデルの分類精度を21.43%向上させる。
論文 参考訳(メタデータ) (2023-07-29T14:54:50Z) - 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) - 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) - State Space Advanced Fuzzy Cognitive Map approach for automatic and non
Invasive diagnosis of Coronary Artery Disease [0.0]
Fuzzy Cognitive Maps(FCM)の最近の進歩は、冠動脈疾患(CAD)の自動診断と非侵襲診断を実現するために研究され、利用されている。
CADの許容および非侵襲的予測のためのコンピュータ支援診断モデルを提案する。
論文 参考訳(メタデータ) (2020-04-03T18:30:41Z) - 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) - Coronary Artery Disease Diagnosis; Ranking the Significant Features
Using Random Trees Model [0.9634136878988853]
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。
論文 参考訳(メタデータ) (2020-01-16T20:01:09Z)
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。