Fugu-MT 論文翻訳(概要): Prognosis Prediction in Covid-19 Patients from Lab Tests and X-ray Data through Randomized Decision Trees

論文の概要: Prognosis Prediction in Covid-19 Patients from Lab Tests and X-ray Data through Randomized Decision Trees

arxiv url: http://arxiv.org/abs/2010.04420v1
Date: Fri, 9 Oct 2020 08:10:45 GMT
ステータス: 処理完了
システム内更新日: 2022-10-09 05:57:32.011840
Title: Prognosis Prediction in Covid-19 Patients from Lab Tests and X-ray Data through Randomized Decision Trees
Title（参考訳）: ランダム決定木を用いた実験室検査およびX線データによるCovid-19患者の予後予測
Authors: Alfonso Emilio Gerevini, Roberto Maroldi, Matteo Olivato, Luca Putelli, Ivan Serina
Abstract要約: 我々は,Covid-19の入院患者の予後を予測するための機械学習に基づく研究と具体的ツールを提案する。特に,入院時の違いによる死亡リスク予測の課題に対処する。私たちの機械学習モデルは、2000人以上の患者のデータを使ってトレーニングされ、テストされた決定ツリーのアンサンブルを使用します。
参考スコア（独自算出の注目度）: 1.4961945931969969
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: AI and Machine Learning can offer powerful tools to help in the fight against Covid-19. In this paper we present a study and a concrete tool based on machine learning to predict the prognosis of hospitalised patients with Covid-19. In particular we address the task of predicting the risk of death of a patient at different times of the hospitalisation, on the base of some demographic information, chest X-ray scores and several laboratory findings. Our machine learning models use ensembles of decision trees trained and tested using data from more than 2000 patients. An experimental evaluation of the models shows good performance in solving the addressed task.
Abstract（参考訳）: AIと機械学習は、Covid-19との戦いを支援する強力なツールを提供する。本稿では,コビッド19の入院患者の予後を予測するための機械学習に基づく研究と具体的ツールを提案する。特に,いくつかの人口統計情報,胸部x線検査値,臨床所見に基づいて,入院時に患者が死亡するリスクを予測する課題について検討した。当社の機械学習モデルは、2000人以上の患者からのデータを使って、トレーニングおよびテストされた意思決定ツリーのアンサンブルを使用します。モデルの実験的評価は,課題解決における優れた性能を示す。

関連論文リスト

Secure Federated Learning Approaches to Diagnosing COVID-19 [0.0]
本稿では,HIVの診断を支援するHIPAA対応モデルを提案する。フェデレートラーニング(Federated Learning)は、分散機械学習のアプローチであり、複数の分散デバイスをまたいだアルゴリズムトレーニングを可能にする。そこで我々は, 新型コロナウイルスの陽性診断を示す胸部X線の特徴を浮き彫りにする可視化技術を用いた。
論文参考訳（メタデータ） (2024-01-23T02:14:05Z)
Predicting Cardiovascular Complications in Post-COVID-19 Patients Using Data-Driven Machine Learning Models [0.0]
新型コロナウイルス(COVID-19)のパンデミックは世界中で多くの健康上の問題を引き起こしている。本研究では、データ駆動機械学習モデルを用いて、イラクからの352人のポスト新型コロナウイルス患者の合併症を予測する。
論文参考訳（メタデータ） (2023-09-27T22:52:08Z)
Machine Learning Techniques for Predicting the Short-Term Outcome of Resective Surgery in Lesional-Drug Resistance Epilepsy [1.759008116536278]
7つのディフフェレント分類アルゴリズムを用いてデータを解析した。線形カーネルを持つサポートベクターマシン(SVM)の精度は76.1%であった。
論文参考訳（メタデータ） (2023-02-10T13:04:47Z)
Machine Learning-Assisted Recurrence Prediction for Early-Stage Non-Small-Cell Lung Cancer Patients [10.127130900852405]
再発リスクによるがん患者の成層化は、自身のケアをパーソナライズすることができる。本研究では,早期非小細胞肺癌患者の再発確率を機械学習を用いて推定する方法を提案する。
論文参考訳（メタデータ） (2022-11-17T19:34:16Z)
COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文参考訳（メタデータ） (2022-04-24T07:38:37Z)
The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。オープンソースデータのトレーニングやテストでは,結果は異例です。データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文参考訳（メタデータ） (2021-09-14T10:59:11Z)
Development and Validation of a Deep Learning Model for Prediction of Severe Outcomes in Suspected COVID-19 Infection [9.524156465126758]
救急外来(ed)に初診した患者の予測結果を伴うトリエイジングは、患者の予後を改善する上で重要である。我々は、患者の結果を予測するために深い機能融合モデルを訓練した。モデルアウトプットは、最も非感受性な酸素療法が要求される患者の結果であった。新型コロナウイルス重篤な結果(CO-RISKスコア)の予測リスクスコアは、モデルアウトプットから導出され、テストデータセットで評価された。
論文参考訳（メタデータ） (2021-03-21T00:03:27Z)
Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文参考訳（メタデータ） (2021-02-08T10:26:44Z)
Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文参考訳（メタデータ） (2020-07-20T19:08:50Z)
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)
Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文参考訳（メタデータ） (2020-05-03T02:36:00Z)

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。