論文の概要: Investigating Critical Risk Factors in Liver Cancer Prediction
- arxiv url: http://arxiv.org/abs/2102.02088v1
- Date: Wed, 3 Feb 2021 14:42:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-04 17:24:25.196612
- Title: Investigating Critical Risk Factors in Liver Cancer Prediction
- Title(参考訳): 肝癌予測における臨界危険因子の検討
- Authors: Jinpeng Li, Yaling Tao, Ting Cai
- Abstract要約: 2014年から現在までの5万5千人以上の疫学的データをもとに,機械学習アルゴリズムを用いて肝癌予測モデルを構築した。
モデルパラメータを分析し,予測に最も寄与する危険因子について検討した。
- 参考スコア(独自算出の注目度): 1.0819408603463427
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We exploit liver cancer prediction model using machine learning algorithms
based on epidemiological data of over 55 thousand peoples from 2014 to the
present. The best performance is an AUC of 0.71. We analyzed model parameters
to investigate critical risk factors that contribute the most to prediction.
- Abstract(参考訳): 2014年から現在までの5万5千人以上の疫学的データに基づく機械学習アルゴリズムを用いた肝癌予測モデルを活用します。
最高のパフォーマンスはAUC 0.71である。
モデルパラメータを分析し,予測に最も寄与する危険因子について検討した。
関連論文リスト
- Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。
我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
論文 参考訳(メタデータ) (2023-10-24T02:56:05Z) - Supervised Machine Learning for Breast Cancer Risk Factors Analysis and
Survival Prediction [0.5249805590164902]
最も効果的な治療法の選択は、最終的には乳がん生存予測に影響されるかもしれない。
本研究では,1904年の患者記録を用いて5年間の乳癌生存を機械学習を用いて予測した。
論文 参考訳(メタデータ) (2023-04-13T12:32:14Z) - 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) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳(メタデータ) (2023-03-09T15:38:16Z) - Analysis and Evaluation of Explainable Artificial Intelligence on
Suicide Risk Assessment [32.04382293817763]
本研究では,自殺リスク予測における説明可能な人工知能(XAI)技術の有効性について検討した。
データ拡張技術とMLモデルは、関連するリスクを予測するために使用される。
高い収入、高い職業、大学教育を持つ患者は、最もリスクが低い。
論文 参考訳(メタデータ) (2023-03-09T05:11:46Z) - Improving Precancerous Case Characterization via Transformer-based
Ensemble Learning [31.891340667123124]
自然言語処理のがん病理学報告への応用は、がん症例の検出に焦点が当てられている。
先天性腺腫のキャラクタリゼーションの改善は、早期がんの検出と予防のための診断試験の開発を支援する。
以上の結果から,NLPを用いて早期がん予防のための診断試験の開発を促進できる可能性が示唆された。
論文 参考訳(メタデータ) (2022-12-10T00:06:28Z) - Deep-CR MTLR: a Multi-Modal Approach for Cancer Survival Prediction with
Competing Risks [0.4189643331553922]
本稿では,癌生存予測のための新しい機械学習手法であるDeep-CR MTLRを提案する。
2552頭頸部癌患者のコホートにおける単一モダリティ予測器に対するマルチモーダルアプローチの予後改善効果を実証した。
論文 参考訳(メタデータ) (2020-12-10T15:51:47Z) - Patient-independent Epileptic Seizure Prediction using Deep Learning
Models [39.19336481493405]
発作予知システムの目的は、発作が起こる前に起こる前頭前脳のステージを正常に識別することである。
患者に依存しない発作予測モデルは、データセット内の複数の被験者に正確なパフォーマンスを提供するように設計されている。
患者に依存しない2つの深層学習アーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-11-18T23:13:48Z) - Survival prediction and risk estimation of Glioma patients using mRNA
expressions [0.0]
グリオーマは、予後不良の中枢神経系腫瘍の致死型である。
本研究では、生存に関連する7つの遺伝子シグネチャを同定し、生存予測とリスク推定のための2つのアプローチを検討する。
論文 参考訳(メタデータ) (2020-11-02T00:39:04Z) - 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) - Gradient Boosting on Decision Trees for Mortality Prediction in
Transcatheter Aortic Valve Implantation [5.050648346154715]
心臓外科における現在の予後リスクスコアは統計に基づいており、まだ機械学習の恩恵を受けていない。
本研究は,TAVI後の患者の1年間の死亡率を予測する機械学習モデルの構築を目的とする。
論文 参考訳(メタデータ) (2020-01-08T10:04:42Z)
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。