論文の概要: Hybrid stacked ensemble combined with genetic algorithms for Prediction
of Diabetes
- arxiv url: http://arxiv.org/abs/2103.08186v1
- Date: Mon, 15 Mar 2021 07:47:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 23:20:18.733073
- Title: Hybrid stacked ensemble combined with genetic algorithms for Prediction
of Diabetes
- Title(参考訳): 糖尿病の予測のための遺伝的アルゴリズムとハイブリッドスタックアンサンブル
- Authors: Jafar Abdollahi, Babak Nouri-Moghaddam
- Abstract要約: 糖尿病は、世界で最も一般的で危険で高価な病気の1つです。
本研究では、カリフォルニア大学のウェブサイトで、インドの糖尿病に関する実際のデータである実験データを用いています。
結果は、98.8%に達した疾患の診断における提案手法の高性能と99%の精度を示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diabetes is currently one of the most common, dangerous, and costly diseases
in the world that is caused by an increase in blood sugar or a decrease in
insulin in the body. Diabetes can have detrimental effects on people's health
if diagnosed late. Today, diabetes has become one of the challenges for health
and government officials. Prevention is a priority, and taking care of people's
health without compromising their comfort is an essential need. In this study,
the Ensemble training methodology based on genetic algorithms are used to
accurately diagnose and predict the outcomes of diabetes mellitus. In this
study, we use the experimental data, real data on Indian diabetics on the
University of California website. Current developments in ICT, such as the
Internet of Things, machine learning, and data mining, allow us to provide
health strategies with more intelligent capabilities to accurately predict the
outcomes of the disease in daily life and the hospital and prevent the
progression of this disease and its many complications. The results show the
high performance of the proposed method in diagnosing the disease, which has
reached 98.8%, and 99% accuracy in this study.
- Abstract(参考訳): 糖尿病は、現在、血糖値の上昇または体内のインスリンの減少によって引き起こされる世界で最も一般的で危険で高価な疾患の1つです。
糖尿病は、診断が遅ければ人の健康に有害な影響を与えることがある。
今日、糖尿病は健康と政府の役人の課題の1つとなっています。
予防は最優先事項であり、快適さを損なうことなく人々の健康を守ることが不可欠である。
本研究では,遺伝子アルゴリズムに基づくエンサンブルトレーニング手法を用いて,糖尿病の正確な診断と予後の予測を行う。
本研究では、カリフォルニア大学のウェブサイトで、インドの糖尿病に関する実際のデータである実験データを用いています。
モノのインターネット、機械学習、データマイニングなどのICTの現在の発展により、日常生活や病院における病気の結果を正確に予測し、この病気とその多くの合併症の進行を防ぐためのよりインテリジェントな機能を備えた健康戦略を提供することができます。
その結果,本研究は98.8%に達し,99%の精度を示した。
関連論文リスト
- Chronic Disease Diagnoses Using Behavioral Data [42.96592744768303]
高血糖(糖尿病)、高脂血症、高血圧(総称3H)を独自の行動データを用いて診断することを目的としている。
論文 参考訳(メタデータ) (2024-10-04T12:52:49Z) - From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [47.23780364438969]
本稿では,CGMデータの生成基盤モデルであるGluFormerについて紹介する。
GluFormerは、異なる民族や年齢、5つの国、8つのCGMデバイス、多様な病態状態にまたがる19の外部コホートに一般化する。
CGMデータと12年間のフォローアップを持つ580人の成人の縦断的研究において、GluFormerは血液HbA1C%よりも糖尿病を効果的に発症するリスクが高い個人を特定する。
論文 参考訳(メタデータ) (2024-08-20T13:19:06Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳(メタデータ) (2024-04-26T16:39:50Z) - DiabetesNet: A Deep Learning Approach to Diabetes Diagnosis [6.095029229301643]
3つのデータセットの実験結果は、従来の手法と比較して、全体的な精度、感度、特異性を大幅に改善したことを示している。
このことは、堅牢な糖尿病診断のためのディープラーニングモデルの可能性を示している。
論文 参考訳(メタデータ) (2024-03-12T10:18:59Z) - Diabetes detection using deep learning techniques with oversampling and
feature augmentation [0.3749861135832073]
糖尿病は慢性の病理であり、ここ数年でますます多くの人に影響を与えている。
毎年多数の死者が出ている。
この病気を患っている多くの人々は、健康状態の深刻さを十分に理解していない。
論文 参考訳(メタデータ) (2024-02-03T15:30:20Z) - HealthEdge: A Machine Learning-Based Smart Healthcare Framework for
Prediction of Type 2 Diabetes in an Integrated IoT, Edge, and Cloud Computing
System [0.0]
糖尿病の急激な増加は、糖尿病の発生を予防・予測するために予防措置を取る必要があることを要求する。
本稿では,IoT-エッジクラウド統合コンピューティングシステムにおける2型糖尿病予測のための機械学習ベースのスマートヘルスケアフレームワークであるHealthEdgeを提案する。
論文 参考訳(メタデータ) (2023-01-25T07:57:18Z) - A novel solution of deep learning for enhanced support vector machine
for predicting the onset of type 2 diabetes [32.25039205521283]
本研究の目的は,2型糖尿病の発症予測に要する処理時間を改善しつつ,AUC(Area Under the Curve)測定値の精度と精度を向上させることである。
提案手法は平均精度86.31 %、平均AUC値は0.8270 %または82.70 %であり、処理は3.8ミリ秒改善されている。
論文 参考訳(メタデータ) (2022-08-05T18:15:40Z) - Early Stage Diabetes Prediction via Extreme Learning Machine [0.0]
糖尿病の46%は診断されていない。
糖尿病は、他のいくつかの重篤な疾患を発症し、患者の死亡につながる可能性がある。
本稿では,データアンケートに基づく糖尿病予測のための極端な学習機械に基づく新しいアプローチを提案する。
論文 参考訳(メタデータ) (2022-02-22T22:23:59Z) - Task-wise Split Gradient Boosting Trees for Multi-center Diabetes
Prediction [37.846368153741395]
マルチセンター糖尿病予測タスクにTSGB(Task-wise Split Gradient Boosting Trees)を提案する。
TSGBはいくつかの最先端手法に対して優れた性能を発揮する。
TSGB法は早期診断のためのオンライン糖尿病リスク評価ソフトウェアとして展開されている。
論文 参考訳(メタデータ) (2021-08-16T14:22:44Z) - Variable Weights Neural Network For Diabetes Classification [0.0]
深層学習を用いて糖尿病を低コストで検出するリキッドマシンラーニングのアプローチを設計しました。
提案手法は, これまでの成果に有意な改善が認められた。
論文 参考訳(メタデータ) (2021-02-22T11:08:25Z) - 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)
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。