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
- 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 [55.350512057217244]
肺がんは世界中でがん死亡の原因となっている。
NLST(National Lung Screening Trial)は、肺がんの危険因子の調査を目的とした全国的な研究である。
本研究はCTスキャンのテクスチャパターンを客観的に測定するCTTAを用いた。
論文 参考訳(メタデータ) (2023-03-09T15:38:16Z) - Clinical Deterioration Prediction in Brazilian Hospitals Based on
Artificial Neural Networks and Tree Decision Models [56.93322937189087]
超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる
XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
論文 参考訳(メタデータ) (2022-12-17T23:29:14Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳(メタデータ) (2022-11-18T03:26:31Z) - 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) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2020-02-06T16:39:44Z) - 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。