論文の概要: Prediction of Chronic Kidney Disease Using Deep Neural Network
- arxiv url: http://arxiv.org/abs/2012.12089v1
- Date: Tue, 22 Dec 2020 15:31:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 11:58:02.631245
- Title: Prediction of Chronic Kidney Disease Using Deep Neural Network
- Title(参考訳): ディープニューラルネットワークを用いた慢性腎臓病の予測
- Authors: Iliyas Ibrahim Iliyas, Isah Rambo Saidu, Ali Baba Dauda, Suleiman
Tasiu
- Abstract要約: 慢性腎臓病(ckd)とその症状は軽度で緩やかなものであり、近年は実現されないことが多い。
我々はDeep Neural Network (DNN)モデルを使用して、患者におけるCKDの不在または存在を予測する。
モデルは98%の精度を作り出しました。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep neural Network (DNN) is becoming a focal point in Machine Learning
research. Its application is penetrating into different fields and solving
intricate and complex problems. DNN is now been applied in health image
processing to detect various ailment such as cancer and diabetes. Another
disease that is causing threat to our health is the kidney disease. This
disease is becoming prevalent due to substances and elements we intake. Death
is imminent and inevitable within few days without at least one functioning
kidney. Ignoring the kidney malfunction can cause chronic kidney disease
leading to death. Frequently, Chronic Kidney Disease (CKD) and its symptoms are
mild and gradual, often go unnoticed for years only to be realized lately.
Bade, a Local Government of Yobe state in Nigeria has been a center of
attention by medical practitioners due to the prevalence of CKD. Unfortunately,
a technical approach in culminating the disease is yet to be attained. We
obtained a record of 400 patients with 10 attributes as our dataset from Bade
General Hospital. We used DNN model to predict the absence or presence of CKD
in the patients. The model produced an accuracy of 98%. Furthermore, we
identified and highlighted the Features importance to provide the ranking of
the features used in the prediction of the CKD. The outcome revealed that two
attributes; Creatinine and Bicarbonate have the highest influence on the CKD
prediction.
- Abstract(参考訳): Deep Neural Network(DNN)は、機械学習研究の焦点になりつつある。
そのアプリケーションは様々な分野に浸透し、複雑で複雑な問題を解決する。
現在、DNNは、がんや糖尿病などの様々な疾患を検出するために、健康画像処理に応用されている。
私たちの健康を脅かすもう1つの病気は腎臓病です。
この病気は私たちが摂取する物質や要素によって広まりつつある。
死は、少なくとも1つの機能する腎臓なしで数日以内に差し迫っており、避けられない。
腎臓機能不全を無視すると、慢性腎臓病が死亡することがある。
慢性腎臓病(CKD)とその症状は軽度で緩やかであり、近年になってようやく認識されるようになった。
ナイジェリアのヨベ州の地方政府であるベイドは、CKDの流行により医療従事者にとって注目の的となっている。
残念ながら、病気を克服するための技術的アプローチはまだ達成されていない。
Bade General Hospitalから10属性の400人の患者をデータセットとして収集した。
DNNモデルを用いてCKDの有無を予測した。
このモデルは98%の精度で製造された。
さらに,ckdの予測に使用される特徴のランキングを提供する上で重要となる特徴を特定し強調した。
その結果、CretriinineとBicarbonateの2つの属性がCKD予測に最も影響していることが判明した。
関連論文リスト
- The Kidneys Are Not All Normal: Investigating the Speckle Distributions
of Transplanted Kidneys [2.5571079797365965]
移植腎の超音波スペックルがどの分布を示すかは分かっていない。
これらの分布は、年齢、性別、体重指数、原発性疾患、ドナータイプなど、患者の変数によってどのように異なるかは不明である。
これらの特徴は腎臓解剖に影響を及ぼすため、スペックルモデリングに影響を及ぼす可能性がある。
論文 参考訳(メタデータ) (2022-06-14T07:46:17Z) - Geometric Deep Learning to Identify the Critical 3D Structural Features
of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。
我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。
幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
論文 参考訳(メタデータ) (2022-04-14T12:52:10Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳(メタデータ) (2022-04-07T22:14:37Z) - Detecting Chronic Kidney Disease(CKD) at the Initial Stage: A Novel
Hybrid Feature-selection Method and Robust Data Preparation Pipeline for
Different ML Techniques [0.0]
慢性腎臓病(CKD)は世界中で8億人近くに感染している。毎年約170万人が死亡している。
多くの研究者は、CKDを早期に検出するために異なる機械学習(ML)手法を適用しているが、詳細な研究はいまだに欠けている。
本稿では,医療データの複雑さを最適性能で扱うための構造的かつ徹底的な手法を提案する。
論文 参考訳(メタデータ) (2022-03-02T20:38:49Z) - An Explainable Classification Model for Chronic Kidney Disease Patients [0.0]
慢性腎臓病(CKD)は、世界的に増加し、医療システムに高いコストがかかる。
データマイニングによるCKD指標の微妙なパターンの発見は、早期診断に寄与する。
本研究は、CKD患者の早期診断において、医療専門家を支援する分類器モデルを開発する。
論文 参考訳(メタデータ) (2021-05-21T14:09:43Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳(メタデータ) (2021-05-20T18:13:58Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳(メタデータ) (2021-04-06T02:01:43Z) - Sparse Longitudinal Representations of Electronic Health Record Data for
the Early Detection of Chronic Kidney Disease in Diabetic Patients [6.040252097102974]
慢性腎疾患 (CKD) は、徐々に腎機能を失っていく疾患である。
本稿では,患者の医療記録の少ない縦長表現を学習するための新しい枠組みを提案する。
論文 参考訳(メタデータ) (2020-11-09T22:07:25Z) - General DeepLCP model for disease prediction : Case of Lung Cancer [0.0]
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。
論文 参考訳(メタデータ) (2020-09-15T21:43:48Z) - Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing
Parkinson's Disease Motor Severity [39.51722822896373]
パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。
PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。
MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
論文 参考訳(メタデータ) (2020-07-17T11:49:30Z) - Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community
Acquired Pneumonia [46.521323145636906]
胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。
特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。
我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
論文 参考訳(メタデータ) (2020-05-06T09:56:51Z)
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。