論文の概要: General DeepLCP model for disease prediction : Case of Lung Cancer
- arxiv url: http://arxiv.org/abs/2009.07362v1
- Date: Tue, 15 Sep 2020 21:43:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 06:16:03.014549
- Title: General DeepLCP model for disease prediction : Case of Lung Cancer
- Title（参考訳）: 疾患予測のための一般DeepLCPモデル : 肺癌の1例
- Authors: Mayssa Ben Kahla and Dalel Kanzari and Ahmed Maalel
- Abstract要約: 生活を脅かす致命的な病気を予測するための新しいアプローチ「DeepLCP」を提案する。
ディープLCP」は自然言語処理(NLP)と深層学習パラダイムを組み合わせた結果である。
肺がん予測における提案モデルの実験結果から,高い精度と低損失データ率が確認された。
- 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: According to GHO (Global Health Observatory (GHO), the high prevalence of a
large variety of diseases such as Ischaemic heart disease, stroke, lung cancer
disease and lower respiratory infections have remained the top killers during
the past decade.
The growth in the number of mortalities caused by these disease is due to the
very delayed symptoms'detection. Since in the early stages, the symptoms are
insignificant and similar to those of benign diseases (e.g. the flu ), and we
can only detect the disease at an advanced stage.
In addition, The high frequency of improper practices that are harmful to
health, the hereditary factors, and the stressful living conditions can
increase the death rates.
Many researches dealt with these fatal disease, and most of them applied
advantage machine learning models to deal with image diagnosis. However the
drawback is that imagery permit only to detect disease at a very delayed stage
and then patient can hardly be saved.
In this Paper we present our new approach "DeepLCP" to predict fatal diseases
that threaten people's lives. It's mainly based on raw and heterogeneous data
of the concerned (or under-tested) person. "DeepLCP" results of a combination
combination of the Natural Language Processing (NLP) and the deep learning
paradigm.The experimental results of the proposed model in the case of Lung
cancer prediction have approved high accuracy and a low loss data rate during
the validation of the disease prediction.
- Abstract（参考訳）: gho(global health observatory, gho)によると、虚血性心疾患、脳卒中、肺癌、呼吸器感染症などの多種多様な疾患が、過去10年間にわたってトップキラーに留まっている。
これらの疾患による死亡数の増大は、非常に遅れた症状の検出によるものである。
早期から症状は無意味で良性疾患(インフルエンザなど)と類似しており、進行段階においてのみ検出できる。
さらに、健康に有害な不適切な行為の頻度、遺伝要因、ストレスの多い生活条件が死亡率を増加させる可能性がある。
多くの研究がこの致命的な病気に対処し、その多くは画像診断に機械学習モデルを適用した。
しかし、画像の欠点は、非常に遅延した段階でのみ病気を検出でき、患者を救えなくなることである。
本稿では,人命の危険を冒す致命的な病気を予測するための新しいアプローチ「DeepLCP」を提案する。
主に、関係する(または未試験の)人の生データと異種データに基づいています。
自然言語処理 (nlp) と深層学習パラダイムの組み合わせによる「深層lcp」の結果について, 肺がん予測における提案モデルの実験結果から, 高い精度と低損失データ率が確認された。
関連論文リスト
- Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。
このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。
患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
論文 参考訳（メタデータ） (2023-06-29T23:36:04Z) - Artificial intelligence based prediction on lung cancer risk factors
using deep learning [0.0]
早期の症状の捕捉と定義は、患者にとって最も難しい段階の1つである。
深層学習手法を用いて,肺がんを極めて高い精度で検出できるモデルを開発した。
その結果, 精度は94%, 最小損失は0.1%であった。
論文 参考訳（メタデータ） (2023-04-11T08:57:15Z) - Pneumonia Detection in Chest X-Ray Images : Handling Class Imbalance [0.0]
世界中の人々が肺炎に罹患しているが、サハラ以南のアジアや南アジアでは死者が最も多い。
近年、有効なワクチンや説得力のある抗生物質の利用にかかわらず、肺炎の全体的な発生率と死亡率が上昇している。
肺炎の流行により、研究コミュニティは病気を正確にかつ迅速に検出し、診断し、分析するフレームワークを考案した。
論文 参考訳（メタデータ） (2023-01-20T09:17:39Z) - Common human diseases prediction using machine learning based on survey
data [0.0]
我々は疾患の症状を分析し,その症状に基づいて疾患の予知を行った。
我々は様々な症状を調査し,その課題を完了させるために人から調査を受けた。
モデルのトレーニングにはいくつかの分類アルゴリズムが使用されている。
論文 参考訳（メタデータ） (2022-09-22T02:59:47Z) - Coronavirus disease situation analysis and prediction using machine
learning: a study on Bangladeshi population [1.7188280334580195]
バングラデシュでは近年、死亡率と感染率の差が以前よりも大きくなっている。
本研究では、機械学習モデルを識別し、今後数日の感染と死亡率を予測する予測システムを作成する。
論文 参考訳（メタデータ） (2022-07-12T09:48:41Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳（メタデータ） (2022-04-20T17:28:08Z) - Machine Learning and Ensemble Approach Onto Predicting Heart Disease [0.0]
心臓血管疾患(英: Cardiovascular disease, CVD)は、心臓疾患ともいわれ、ここ数十年でヒトの死因として徐々に成長してきた疾患である。
本稿では,ロジスティック回帰,近縁近傍,サポートベクトルマシン,決定木,ガウスのナイーブベイズ,ランダムフォレスト,多層知覚論(人工ニューラルネットワーク)などの分類モデルの訓練に提供されるデータを活用する。
論文 参考訳（メタデータ） (2021-11-16T18:00:22Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware
Anomaly Detection [86.81773672627406]
短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。
胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。
ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
論文 参考訳（メタデータ） (2020-03-27T11:32:18Z)
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。