論文の概要: Automated Primary Hyperparathyroidism Screening with Neural Networks

• arxiv url: http://arxiv.org/abs/2105.02386v1
• Date: Thu, 6 May 2021 01:14:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-08 00:46:32.854194
• Title: Automated Primary Hyperparathyroidism Screening with Neural Networks
• Title（参考訳）: ニューラルネットワークを用いた原発性副甲状腺機能亢進症の自動スクリーニング
• Authors: Noah Ziems, Shaoen Wu, Jim Norman
• Abstract要約: 原発性副甲状腺機能亢進症(PHPT)は比較的一般的な疾患であり、成人1000人に1人程度に影響を及ぼす。 ニューラルネットワーク(NN)アーキテクチャを用いてPHPTをスクリーニングする新しいアプローチを提案し,共通血液値の入力で97%以上の精度を達成した。
• 参考スコア（独自算出の注目度）: 1.2351007154705484
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Primary Hyperparathyroidism(PHPT) is a relatively common disease, affecting about one in every 1,000 adults. However, screening for PHPT can be difficult, meaning it often goes undiagnosed for long periods of time. While looking at specific blood test results independently can help indicate whether a patient has PHPT, often these blood result levels can all be within their respective normal ranges despite the patient having PHPT. Based on the clinic data from the real world, in this work, we propose a novel approach to screening PHPT with neural network (NN) architecture, achieving over 97\% accuracy with common blood values as inputs. Further, we propose a second model achieving over 99\% accuracy with additional lab test values as inputs. Moreover, compared to traditional PHPT screening methods, our NN models can reduce the false negatives of traditional screening methods by 99\%.
• Abstract（参考訳）: 原発性副甲状腺機能亢進症(PHPT)は比較的一般的な疾患であり、成人1000人に1人程度に影響を及ぼす。 しかしphptのスクリーニングは困難であり、長期にわたって診断されないことが多い。 特定の血液検査の結果を独立して見ることは、患者がphptを持っているかどうかを示すのに役立つが、これらの結果レベルは、患者がphptを持っているにもかかわらず、それぞれが正常範囲内であることが多い。 本研究は,現実世界の診療データをベースとして,ニューラルネットワーク(NN)アーキテクチャを用いてPHPTをスクリーニングする手法を提案する。 さらに,入力として実験値を追加することにより,99 %以上の精度を達成する第2モデルを提案する。 さらに,従来のPHPTスクリーニング手法と比較して,NNモデルは従来のスクリーニング手法の偽陰性を99.5%削減できる。

関連論文リスト

• Automated Web-Based Malaria Detection System with Machine Learning and Deep Learning Techniques [0.0]
  マラリア原虫は、世界的な健康上の重荷となり、広範囲の苦しみと死亡を引き起こしている。 従来のCNNと転写学習モデルを用いて,マラリア感染細胞分類のための深層学習手法を定式化した。 システムはWebインターフェースを通じてアクセスでき、血液のスミア画像をアップロードしてマラリア検出を行うことができる。
  論文  参考訳（メタデータ） (2024-06-27T16:50:36Z)
• DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
  より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
  論文  参考訳（メタデータ） (2023-12-02T22:57:25Z)
• Electromyography Signal Classification Using Deep Learning [0.0]
  我々はL2正規化を用いた深層学習モデルを実装し,EMG(Electromyography)データに基づいて学習を行った。 データは、コントロールグループ、ミオパチー、ALS患者から収集されたEMG信号からなる。 このモデルでは、正常症例(対照群)を100%の精度で他の患者と区別することができ、ミオパチーとALSをそれぞれ97.4と98.2の精度で分類することができた。
  論文  参考訳（メタデータ） (2023-05-06T10:44:38Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• A Meta-GNN approach to personalized seizure detection and classification [53.906130332172324]
  本稿では,特定の患者に限られた発作サンプルから迅速に適応できるパーソナライズされた発作検出・分類フレームワークを提案する。 トレーニング患者の集合からグローバルモデルを学ぶメタGNNベースの分類器を訓練する。 本手法は, 未確認患者20回に限って, 精度82.7%, F1スコア82.08%を達成し, ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2022-11-01T14:12:58Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Acute Lymphoblastic Leukemia Detection from Microscopic Images Using Weighted Ensemble of Convolutional Neural Networks [4.095759108304108]
  本稿では,深層畳み込みニューラルネットワーク(cnns)を用いた顕微鏡細胞画像からの全検出タスクを自動化した。 ネットワークのより優れた一般化を達成するために、様々なデータ拡張と前処理が組み込まれている。 提案する重み付きアンサンブルモデルでは, アンサンブル候補のカッパ値を重みとして, 重み付きF1スコア88.6 %, バランス付き精度86.2 %, 予備試験セットのAUC0.941を出力した。
  論文  参考訳（メタデータ） (2021-05-09T18:58:48Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• Predicting Brain Degeneration with a Multimodal Siamese Neural Network [3.114884650164508]
  神経変性疾患の進展を予測するために,マルチモーダル学習のためのニューラルネットワークアーキテクチャを提案する。 本ネットワークは, 被験者57名に対して92.5%の精度, AUCスコア0.978の精度を実現した。
  論文  参考訳（メタデータ） (2020-11-02T09:21:47Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Diabetic Retinopathy Diagnosis based on Convolutional Neural Network [0.0]
  畳み込みニューラルネットワークは、糖尿病網膜症検出のための約束の手法の1つである。 3つの公開データセット DiaretDB0, DiaretDB1, DrimDB が実用的なテストに使用された。 DiaretDB0は100%、DiaretDB1は99.495%、DrimDBは97.55%である。
  論文  参考訳（メタデータ） (2020-08-01T01:56:04Z)

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。