Fugu-MT 論文翻訳(概要): Fuzzy Expert Systems for Prediction of ICU Admission in Patients with COVID-19

論文の概要: Fuzzy Expert Systems for Prediction of ICU Admission in Patients with COVID-19

arxiv url: http://arxiv.org/abs/2104.12868v1
Date: Thu, 22 Apr 2021 05:12:49 GMT
ステータス: 処理完了
システム内更新日: 2021-05-03 19:50:08.990776
Title: Fuzzy Expert Systems for Prediction of ICU Admission in Patients with COVID-19
Title（参考訳）: ファジィエキスパートシステムによるcovid-19患者のicu入所予測
Authors: Ali Akbar Sadat Asl, Mohammad Mahdi Ershadi, Shahabeddin Sotudian
Abstract要約: ファジィロジック(FL)は、不確実性と複雑性が高いモデリングシステムの最も適した方法の1つです。本研究では, インターバルタイプ2ファジィエキスパートシステムを用いて, ICU入院の予測を行った。この予測のために、適応型神経ファジィ推論システム(ANFIS)も開発した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The pandemic COVID-19 disease has had a dramatic impact on almost all countries around the world so that many hospitals have been overwhelmed with Covid-19 cases. As medical resources are limited, deciding on the proper allocation of these resources is a very crucial issue. Besides, uncertainty is a major factor that can affect decisions, especially in medical fields. To cope with this issue, we use fuzzy logic (FL) as one of the most suitable methods in modeling systems with high uncertainty and complexity. We intend to make use of the advantages of FL in decisions on cases that need to treat in ICU. In this study, an interval type-2 fuzzy expert system is proposed for prediction of ICU admission in COVID-19 patients. For this prediction task, we also developed an adaptive neuro-fuzzy inference system (ANFIS). Finally, the results of these fuzzy systems are compared to some well-known classification methods such as Naive Bayes (NB), Case-Based Reasoning (CBR), Decision Tree (DT), and K Nearest Neighbor (KNN). The results show that the type-2 fuzzy expert system and ANFIS models perform competitively in terms of accuracy and F-measure compared to the other system modeling techniques.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは世界中のほぼすべての国に劇的な影響を与えており、多くの病院がコビッドの感染者に圧倒されている。医療資源が限られているため、これらの資源の適切な配分を決定することは極めて重要な問題である。さらに、不確実性は、特に医学分野において決定に影響を及ぼす主要な要因である。この問題に対処するために,不確実性と複雑性の高いシステムモデリングにおいて,ファジィ論理(FL)を最も適した手法の1つである。 icuで治療する必要がある場合の決定において、flの利点を利用するつもりです。本研究では, インターバルタイプ2ファジィエキスパートシステムを用いて, ICU入院の予測を行った。この予測タスクのために,適応型ニューロファジー推論システム (anfis) も開発した。最後に、これらのファジィシステムの結果を、NB(Naive Bayes)、CBR(Case-Based Reasoning)、DT(Decision Tree)、K Nearest Neighbor(KNN)といった有名な分類手法と比較する。その結果,2型ファジィエキスパートシステムとANFISモデルは,他のシステムモデリング手法と比較して,精度とF測定の両面で競合することを示した。

関連論文リスト

NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文参考訳（メタデータ） (2022-06-02T07:57:17Z)
Automatic Diagnosis of Schizophrenia and Attention Deficit Hyperactivity Disorder in rs-fMRI Modality using Convolutional Autoencoder Model and Interval Type-2 Fuzzy Regression [10.735837620134964]
本稿では,新しいディープラーニング(DL)法を用いた静止状態fMRI(rs-fMRI)のSZおよびADHDインテリジェント検出法を提案する。 SZおよびADHD患者のrs-fMRIモダリティを含むUCLAデータセットが実験に使用されている。
論文参考訳（メタデータ） (2022-05-31T15:07:29Z)
Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文参考訳（メタデータ） (2021-11-18T00:43:41Z)
COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文参考訳（メタデータ） (2021-08-05T16:47:33Z)
From SIR to SEAIRD: a novel data-driven modeling approach based on the Grey-box System Theory to predict the dynamics of COVID-19 [6.131772929312605]
新型コロナウイルスの一般的なコンパートメンタルモデリングは、事前知識と多くの仮定に基づいている。本研究の目的は、グレーボックスシステム理論やグレーボックス識別の強みを活用して、データ駆動型アプローチのためのフレームワークを提供することである。感染者数はブラジルとフランスで10万人当たり3人だった。
論文参考訳（メタデータ） (2021-05-29T21:25:09Z)
Leveraging Structured Biological Knowledge for Counterfactual Inference: a Case Study of Viral Pathogenesis [3.187785155061346]
本書では,因果生物学的知識グラフを問合せする一般的なアプローチを提案する。定性的な結果を定量的な構造因果モデルに変換し、データから質問に答えることができます。システム生物学における2つのケーススタディを用いて,本手法の実現可能性,正確性,汎用性を示す。
論文参考訳（メタデータ） (2021-01-13T15:32:17Z)
Uncertainty-driven ensembles of deep architectures for multiclass classification. Application to COVID-19 diagnosis in chest X-ray images [8.103053617559748]
最近の新型コロナウイルスのパンデミックは、肺炎の診断を自動化するシステムの開発システムの必要性を示している。 CNNは、医療画像の自動分類に優れた選択肢であることが証明されている。ベイズ深層学習に基づく多段階アンサンブル分類システムを提案する。
論文参考訳（メタデータ） (2020-11-27T14:06:25Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
医療コミュニティにおけるこの問題の重要性を示す。本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
論文参考訳（メタデータ） (2020-07-15T09:22:55Z)
Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文参考訳（メタデータ） (2020-05-10T01:45:03Z)
Spitzoid Lesions Diagnosis based on GA feature selection and Random Forest [0.0]
本研究の目的は,スピッツイド病変の診断を支援する人工知能モデルを開発することである。本研究で提案したシステムを評価するために,私的スピッツイド病変データセットが用いられている。 SMOTE-GA-RFモデルとGA-16の特徴は精度0.97, F-measure 0.98, AUC 0.98, G-mean 0.97で優れた性能を示した。
論文参考訳（メタデータ） (2020-03-10T14:03:28Z)

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。