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
- 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) - TACCO: Task-guided Co-clustering of Clinical Concepts and Patient Visits for Disease Subtyping based on EHR Data [42.96821770394798]
TACCOは、EMHデータのハイパーグラフモデリングに基づいて、臨床概念と患者訪問のクラスターを共同で発見する新しいフレームワークである。
我々は,表現型分類と心血管リスク予測の下流臨床課題に対して,公共MIMIC-IIIデータセットとエモリー内部CRADLEデータセットを用いて実験を行った。
深層モデル解析,クラスタリング結果解析,臨床ケーススタディは,TACCOが提供した改良されたユーティリティと洞察に富んだ解釈をさらに検証する。
論文 参考訳(メタデータ) (2024-06-14T14:18:38Z) - 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) - A Two-Stage Generative Model with CycleGAN and Joint Diffusion for
MRI-based Brain Tumor Detection [41.454028276986946]
本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。
CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。
VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
論文 参考訳(メタデータ) (2023-11-06T12:58:26Z) - 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) - Multi-Atlas Based Pathological Stratification of d-TGA Congenital Heart
Disease [3.6954389087617345]
我々は,atlas選択不良に伴うセグメンテーションエラーを利用して,大血管のデキストロトランスポジション(d-tga)における病的分類のためのcadシステムを構築した。
提案されたアプローチは、セグメンテーションの品質を記述する一連の特徴を抽出し、それらを最終的な診断を提供する論理的な決定木に導入する。
健常症例と術後D-TGAの2つの異なる形態を含む60全体の心臓MR画像のセットでこの方法を検証する。
論文 参考訳(メタデータ) (2021-04-05T15:28:39Z) - 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。