論文の概要: Early Prediction of Heart Disease Using PCA and Hybrid Genetic Algorithm
with k-Means
- arxiv url: http://arxiv.org/abs/2101.00183v1
- Date: Fri, 1 Jan 2021 07:14:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-16 11:07:58.747586
- Title: Early Prediction of Heart Disease Using PCA and Hybrid Genetic Algorithm
with k-Means
- Title（参考訳）: PCAとハイブリッド遺伝的アルゴリズムを用いた心疾患の早期予測
- Authors: Md. Touhidul Islam, Sanjida Reza Rafa, Md. Golam Kibria
- Abstract要約: 研究者はuci machine learning heart diseaseデータセットに異なるテクニックを適用した。
提案手法は,早期心疾患を94.06%の精度で予測できる。
- 参考スコア（独自算出の注目度）: 0.8594140167290097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Worldwide research shows that millions of lives lost per year because of
heart disease. The healthcare sector produces massive volumes of data on heart
disease that are sadly not used to locate secret knowledge for successful
decision making. One of the most important aspects at this moment is detecting
heart disease at an early stage. Researchers have applied distinct techniques
to the UCI Machine Learning heart disease dataset. Many researchers have tried
to apply some complex techniques to this dataset, where detailed studies are
still missing. In this paper, Principal Component Analysis (PCA) has been used
to reduce attributes. Apart from a Hybrid genetic algorithm (HGA) with k-means
used for final clustering. Typically, the k-means method is using for
clustering the data. This type of clustering can get stuck in the local optima
because this method is heuristic. We used the Hybrid Genetic Algorithm (HGA)
for data clustering to avoid this problem. Our proposed method can predict
early heart disease with an accuracy of 94.06%.
- Abstract（参考訳）: 世界中での研究によると、心臓病で毎年数百万人の命が失われている。
医療部門は、心疾患に関する大量のデータを生成し、残念ながら、意思決定を成功させるために秘密の知識を見つけるのに使われていない。
この時点で最も重要な側面の1つは、早期に心臓病を検出することである。
UCI Machine Learningの心臓疾患データセットに異なるテクニックを適用した。
多くの研究者がこのデータセットにいくつかの複雑なテクニックを適用しようとしたが、詳細な研究はまだ欠けている。
本稿では,主成分分析(PCA)を用いて属性の低減を行った。
最終的なクラスタリングに使われるk平均を持つハイブリッド遺伝的アルゴリズム(HGA)とは別に。
通常、k-meansメソッドはデータのクラスタリングに使われる。
この種のクラスタリングは、ヒューリスティックであるため、ローカルオプティマで立ち往生する可能性がある。
データクラスタリングにはHybrid Genetic Algorithm (HGA) を用いてこの問題を回避する。
提案手法は,早期心疾患を94.06%の精度で予測できる。
関連論文リスト
- Predicting Coronary Heart Disease Using a Suite of Machine Learning Models [0.1979158763744267]
冠動脈疾患は世界中で何百万人もの人に影響を与えており、医療の分野としてよく研究されている。
心臓病の診断と予測には実用的かつ正確な方法が数多く存在するが、侵襲性、遅延検出、コストといった限界がある。
機械学習アルゴリズムによる教師付き学習は、早期診断の先駆けとなる、低コスト(コンピュータによる)非侵襲的なソリューションを提供する。
論文 参考訳（メタデータ） (2024-09-21T19:22:41Z) - Classification and Prediction of Heart Diseases using Machine Learning Algorithms [0.0]
K-Nearest Neighbor法は、患者が心臓病を患っているかどうかを判断する最も効果的な機械学習アルゴリズムであることが示されている。
追加の機械学習アルゴリズムの心臓疾患予測への応用について、さらなる研究を行うことは有益である。
論文 参考訳（メタデータ） (2024-09-05T16:52:20Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳（メタデータ） (2023-06-02T01:46:31Z) - Rethinking k-means from manifold learning perspective [122.38667613245151]
平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。
具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。
異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
論文 参考訳（メタデータ） (2023-05-12T03:01:41Z) - An Improved Heart Disease Prediction Using Stacked Ensemble Method [0.9187159782788579]
機械学習を用いた心疾患予測システムを構築した。
心臓疾患のある人と正常な人とを簡単に区別することができる。
論文 参考訳（メタデータ） (2023-04-12T17:53:59Z) - 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) - Machine Learning-Based Classification Algorithms for the Prediction of
Coronary Heart Diseases [0.0]
この研究は、いくつかの機械学習に基づく分類モデルを作成し、テストした。
その結果、ロジスティック回帰は、元のデータセット上で最高のパフォーマンススコアを生み出した。
結論として,順調に処理され,標準化されたデータセット上のLRが,他のアルゴリズムよりも精度の高い冠状心疾患を予測できることが示唆された。
論文 参考訳（メタデータ） (2021-12-02T18:52:56Z) - Deep Semi-Supervised Embedded Clustering (DSEC) for Stratification of
Heart Failure Patients [50.48904066814385]
本研究では、深層半教師付き組込みクラスタリングを用いて、心不全のデータ駆動型患者サブグループを決定する。
ヘテロジニアスデータから得られた組込み空間から臨床関連クラスタを見出した。
提案アルゴリズムは、異なる結果を持つ患者の新たな未診断サブグループを見つけることができる。
論文 参考訳（メタデータ） (2020-12-24T12:56:46Z) - A random shuffle method to expand a narrow dataset and overcome the
associated challenges in a clinical study: a heart failure cohort example [50.591267188664666]
本研究の目的は、統計的に合法なHFデータセットのカーディナリティを高めるためにランダムシャッフル法を設計することであった。
提案されたランダムシャッフル法は、HFデータセットのカーディナリティを10回、およびランダムな繰り返し測定アプローチに続いて21回向上させることができた。
論文 参考訳（メタデータ） (2020-12-12T10:59:38Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。