Fugu-MT 論文翻訳(概要): Feature Selection on Lyme Disease Patient Survey Data

論文の概要: Feature Selection on Lyme Disease Patient Survey Data

arxiv url: http://arxiv.org/abs/2009.09087v1
Date: Mon, 24 Aug 2020 22:35:39 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 11:40:45.730176
Title: Feature Selection on Lyme Disease Patient Survey Data
Title（参考訳）: ライム病患者調査データの特徴選択
Authors: Joshua Vendrow, Jamie Haddock, Deanna Needell, and Lorraine Johnson
Abstract要約: ライム病は急速に進行する病気であり、医療界では理解されていない。本稿では,Lyme病患者の大規模登録に機械学習技術を適用し,これらの課題について検討する。
参考スコア（独自算出の注目度）: 7.895389437572245
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Lyme disease is a rapidly growing illness that remains poorly understood within the medical community. Critical questions about when and why patients respond to treatment or stay ill, what kinds of treatments are effective, and even how to properly diagnose the disease remain largely unanswered. We investigate these questions by applying machine learning techniques to a large scale Lyme disease patient registry, MyLymeData, developed by the nonprofit LymeDisease.org. We apply various machine learning methods in order to measure the effect of individual features in predicting participants' answers to the Global Rating of Change (GROC) survey questions that assess the self-reported degree to which their condition improved, worsened, or remained unchanged following antibiotic treatment. We use basic linear regression, support vector machines, neural networks, entropy-based decision tree models, and $k$-nearest neighbors approaches. We first analyze the general performance of the model and then identify the most important features for predicting participant answers to GROC. After we identify the "key" features, we separate them from the dataset and demonstrate the effectiveness of these features at identifying GROC. In doing so, we highlight possible directions for future study both mathematically and clinically.
Abstract（参考訳）: ライム病は急速に増加する病気であり、医療界では理解されていない。患者がいつ、なぜ治療に反応するか、どのような治療が効果的か、どのように適切に診断するか、といった重要な疑問はいまだにほとんど答えられていない。 lymedisease.orgが開発した大規模ライム病患者登録簿mylymedataに機械学習技術を適用することで,これらの質問について検討する。各種機械学習手法を適用し, 症状の改善, 悪化, あるいは抗生物質治療後に変化しない自己申告度を評価する, GROC (Global Rating of Change) 調査に対して, 参加者の回答を予測するための個々の特徴の効果を測定する。基本的な線形回帰、サポートベクターマシン、ニューラルネットワーク、エントロピーベースの決定木モデル、および$k$-nearest近傍アプローチを使用する。まずモデルの一般的な性能を分析し,GROCに対する回答を予測する上で最も重要な特徴を同定する。キー"機能を特定した後、データセットから分離し、GROCを識別する際のこれらの機能の有効性を示す。そこで我々は,数学的・臨床的に今後の研究の方向性を明らかにする。

関連論文リスト

Effect of Clinical History on Predictive Model Performance for Renal Complications of Diabetes [1.4330510916280879]
糖尿病は糖尿病性腎症の発症リスクが高いという特徴を持つ慢性疾患である。このような合併症やその悪化のリスクを高める個人を早期に同定することは、適切な治療方針を設定する上で非常に重要である。糖尿病患者に対する臨床関連糸球体濾過率(eGFR)閾値の交差を予測・予測するロジスティック回帰モデルを開発した。
論文参考訳（メタデータ） (2024-09-10T20:27:00Z)
Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。 ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
論文参考訳（メタデータ） (2024-08-15T21:09:09Z)
Can Machine Learning Assist in Diagnosis of Primary Immune Thrombocytopenia? A feasibility study [12.4123972735841]
原発性免疫性血小板減少症(ITP)は末梢血血小板の免疫学的破壊を特徴とする稀な自己免疫疾患である。疾患を確認するための確立された検査はなく、治療と結果に対する反応を予測できるバイオマーカーも存在しない。日常的な血液検査と人口統計データを用いて, 機械学習をIPPの診断に効果的に適用できるかどうかを, 非急性外来で検討する。
論文参考訳（メタデータ） (2024-05-31T01:04:46Z)
Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文参考訳（メタデータ） (2024-02-16T05:16:20Z)
Walk4Me: Telehealth Community Mobility Assessment, An Automated System for Early Diagnosis and Disease Progression [2.96872688940436]
本研究では,早期診断,重症度,進行診断を容易にする遠隔地移動度評価システムであるWalk4Meを紹介する。これを実現するために、我々は、人工知能(AI)を用いた、患者および典型的に発達する仲間の歩行特性の検出を用いる。我々のシステムは,新しいWalk4Me APIを用いて,デバイスセンサ(モバイルデバイスからの加速度など)からリモートおよびリアルタイムにデータを収集する。
論文参考訳（メタデータ） (2023-05-05T10:47:34Z)
Explorative analysis of human disease-symptoms relations using the Convolutional Neural Network [0.0]
本研究は, 疾患予測タスクにおける症状タイプの範囲を理解することを目的としている。その結果,早期に98～100%の精度で機械学習が病気を診断できる可能性が示唆された。
論文参考訳（メタデータ） (2023-02-23T15:02:07Z)
Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2020-09-25T01:50:15Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文参考訳（メタデータ） (2020-05-10T01:45:03Z)
Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文参考訳（メタデータ） (2020-03-14T02:05:54Z)

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。