論文の概要: Artificial Intelligence Enhanced Rapid and Efficient Diagnosis of
Mycoplasma Pneumoniae Pneumonia in Children Patients
- arxiv url: http://arxiv.org/abs/2102.10284v1
- Date: Sat, 20 Feb 2021 08:14:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-23 15:19:41.537627
- Title: Artificial Intelligence Enhanced Rapid and Efficient Diagnosis of
Mycoplasma Pneumoniae Pneumonia in Children Patients
- Title(参考訳): 小児のMycoplasma Pneumoniae pneumoniaの人工知能による迅速かつ効率的な診断
- Authors: Chenglin Pan, Kuan Yan, Xiao Liu, Yanjie Chen, Yanyan Luo, Xiaoming
Li, Zhenguo Nie, Xinjun Liu
- Abstract要約: 我々は、機械学習モデルとして、ロジスティック回帰、決定木(DT)、勾配向上決定木(GBDT)、サポートベクターマシン(SVM)、多層パーセプトロン(MLP)を用いる。
mppデータセットに前処理手順を適用して分類処理を行った。
最も効率的な結果はGBDTによって得られる。
93.7%の精度で最高の性能を提供します。
- 参考スコア(独自算出の注目度): 12.952432973738654
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence methods have been increasingly turning into a
potentially powerful tool in the diagnosis and management of diseases. In this
study, we utilized logistic regression (LR), decision tree (DT), gradient
boosted decision tree (GBDT), support vector machine (SVM), and multilayer
perceptron (MLP) as machine learning models to rapidly diagnose the mycoplasma
pneumoniae pneumonia (MPP) in children patients. The classification task was
carried out after applying the preprocessing procedure to the MPP dataset. The
most efficient results are obtained by GBDT. It provides the best performance
with an accuracy of 93.7%. In contrast to standard raw feature weighting, the
feature importance takes the underlying correlation structure of the features
into account. The most crucial feature of GBDT is the "pulmonary infiltrates
range" with a score of 0.5925, followed by "cough" (0.0953) and "pleural
effusion" (0.0492). We publicly share our full implementation with the dataset
and trained models at https://github.com/zhenguonie/2021_AI4MPP.
- Abstract(参考訳): 人工知能の手法は、病気の診断と管理において潜在的に強力なツールになりつつある。
本研究では, 小児患者において, ロジスティック回帰(LR), 決定木(DT), グラジエントブースト決定木(GBDT), サポートベクターマシン(SVM), 多層パーセプトロン(MLP)を機械学習モデルとして利用し, マイコプラズマ肺炎(MPP)を迅速に診断した。
mppデータセットに前処理手順を適用して分類処理を行った。
最も効率的な結果はGBDTによって得られる。
93.7%の精度で最高の性能を提供します。
標準の生の機能重み付けとは対照的に、特徴の重要性は特徴の基本的な相関構造を考慮に入れます。
GBDTの最も重要な特徴は、0.5925のスコアを持つ「肺浸潤範囲」であり、「cough」(0.0953)と「pleural effusion」(0.0492)が続く。
データセットとトレーニングモデルの完全な実装をhttps://github.com/zhenguonie/2021_ai4mppで公開しています。
関連論文リスト
- Automatic segmentation of lung findings in CT and application to Long
COVID [38.69538648742266]
S-MEDSegは胸部CT画像における肺病変の正確な分画のための深層学習に基づくアプローチである。
S-MEDSegは、トレーニング済みのEfficientNetバックボーン、双方向機能ピラミッドネットワーク、モダンネットワークの進化を組み合わせたものだ。
論文 参考訳(メタデータ) (2023-10-13T23:42:43Z) - Comparative Analysis of Epileptic Seizure Prediction: Exploring Diverse
Pre-Processing Techniques and Machine Learning Models [0.0]
脳波データを用いたてんかん発作予測のための5つの機械学習モデルの比較分析を行った。
本分析の結果は,各モデルの性能を精度で示すものである。
ETモデルは99.29%の精度で最高の性能を示した。
論文 参考訳(メタデータ) (2023-08-06T08:50:08Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial
Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。
診断成績は臨床医の成績と比較した。
臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文 参考訳(メタデータ) (2023-02-02T08:45:17Z) - An Adaptive and Altruistic PSO-based Deep Feature Selection Method for
Pneumonia Detection from Chest X-Rays [28.656853454251426]
肺炎は、特に世界の所得不足地域での小児死亡の主な原因の1つである。
コンピュータ支援型診断システム(CAD)は,プロの医療専門家よりも手術コストが低いため,そのような国で利用することができる。
深層学習の概念とメタヒューリスティックアルゴリズムを用いて,胸部X線からの肺炎検出のためのCADシステムを提案する。
論文 参考訳(メタデータ) (2022-08-06T18:20:50Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳(メタデータ) (2022-01-13T05:24:40Z) - Predicting Cancer Using Supervised Machine Learning: Mesothelioma [0.0]
胸膜中皮腫は年間に米国で診断された中皮腫の約75%を占める。
我々は、MPMの早期診断に最適なモデルを提案する人工知能アルゴリズムを使用している。
論文 参考訳(メタデータ) (2021-10-31T16:49:59Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - An Interpretable Web-based Glioblastoma Multiforme Prognosis Prediction
Tool using Random Forest Model [1.1024591739346292]
治療後1年間のGBM患者の健康状態を推定する予測モデルを提案する。
総計467名のGBM患者の臨床像を13の特徴と2つの経過日で比較検討した。
GBM患者生存の予後因子のトップ3はMGMT遺伝子プロモーター,切除範囲,年齢であった。
論文 参考訳(メタデータ) (2021-08-30T07:56:34Z) - Development of a Multi-Task Learning V-Net for Pulmonary Lobar
Segmentation on Computed Tomography and Application to Diseased Lungs [0.19573380763700707]
疾患のある肺領域は、しばしばCT画像に高密度ゾーンを生成し、損傷した葉を特定するアルゴリズムの実行を制限する。
この影響は、肺葉を分節する機械学習手法の改善を動機づけた。
このアプローチは、放射線科医のロバストなツールとして臨床現場で容易に採用することができる。
論文 参考訳(メタデータ) (2021-05-11T17:10:25Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳(メタデータ) (2020-05-24T23:13:16Z)
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。