論文の概要: Web based disease prediction and recommender system
- arxiv url: http://arxiv.org/abs/2106.02813v1
- Date: Sat, 5 Jun 2021 06:47:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-14 07:23:34.299559
- Title: Web based disease prediction and recommender system
- Title（参考訳）: web ベースの疾病予測とレコメンダシステム
- Authors: Harish Rajora, Narinder Singh Punn, Sanjay Kumar Sonbhadra, Sonali
Agarwal
- Abstract要約: 病歴を保存し,病状を予知する Web ベースの患者診断システムを提案する。
早期の疾患予測は、ユーザが病気の重症度を判断し、迅速な行動を取るのに役立つ。
中央データベースは、医療データが保存され、システムに透明性があることを保証する。
- 参考スコア（独自算出の注目度）: 0.9176056742068814
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Worldwide, several cases go undiagnosed due to poor healthcare support in
remote areas. In this context, a centralized system is needed for effective
monitoring and analysis of the medical records. A web-based patient diagnostic
system is a central platform to store the medical history and predict the
possible disease based on the current symptoms experienced by a patient to
ensure faster and accurate diagnosis. Early disease prediction can help the
users determine the severity of the disease and take quick action. The proposed
web-based disease prediction system utilizes machine learning based
classification techniques on a data set acquired from the National Centre of
Disease Control (NCDC). $K$-nearest neighbor (K-NN), random forest and naive
bayes classification approaches are utilized and an ensemble voting algorithm
is also proposed where each classifier is assigned weights dynamically based on
the prediction confidence. The proposed system is also equipped with a
recommendation scheme to recommend the type of tests based on the existing
symptoms of the patient, so that necessary precautions can be taken. A
centralized database ensures that the medical data is preserved and there is
transparency in the system. The tampering into the system is prevented by
giving the no "updation" rights once the diagnosis is created.
- Abstract（参考訳）: 世界中で、遠隔地での医療支援が不十分なため、いくつかのケースが診断されない。
この文脈では、医療記録の効果的なモニタリングと分析のために集中的なシステムが必要である。
webベースの患者診断システムは、医療履歴を保管し、患者が経験する現在の症状に基づいて起こりうる疾患を予測し、迅速かつ正確な診断を確実にするための中央プラットフォームである。
早期の疾患予測は、ユーザが病気の重症度を判断し、迅速な行動を取るのに役立つ。
The proposed web-based disease prediction system using machine learning based classification techniques on a data set from the National Centre of Disease Control (NCDC)。
K$-nearest neighbor (K-NN)、ランダム森林およびナイーブベイズ分類手法を利用し、予測信頼度に基づいて各分類器を動的に重み付けするアンサンブル投票アルゴリズムも提案する。
提案システムには,患者の既往症状に基づいた検査の種類を推奨する推奨方式も備えており,必要な予防策を講じることができる。
集中型データベースは、医療データが保存され、システムの透明性が保証される。
診断が作成されると、システムへの改ざんは「アップデーション」の権利を付与しないことにより防止される。
関連論文リスト
- SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。
既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。
限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-24T04:47:36Z) - Detecting algorithmic bias in medical-AI models using trees [7.939586935057782]
本稿では,医療AI意思決定支援システムにおけるアルゴリズムバイアスの領域を検出するための革新的な枠組みを提案する。
本手法は,医学・AIモデルにおける潜在的なバイアスを,特に敗血症予測の文脈で効果的に同定する。
論文 参考訳（メタデータ） (2023-12-05T18:47:34Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - SIM-ECG: A Signal Importance Mask-driven ECGClassification System [11.030532126096006]
心臓病は1番のキラーであり、心電図は早期診断と致命的な結果の予防に役立つ。
現在のシステムは、熟練したECGリーダーほど正確ではなく、診断を提供するブラックボックスアプローチは、医療従事者による信頼の欠如をもたらす。
本稿では,フィードバックを継続的に受け取り,精度を向上し,その結果の診断を除外する,信号重要マスクフィードバックに基づく機械学習システムを提案する。
論文 参考訳（メタデータ） (2021-10-28T01:27:37Z) - Quantifying machine learning-induced overdiagnosis in sepsis [0.0]
オーバー診断の可能性を事前に検出できる革新的なアプローチを提案する。
これは、機械学習による過剰診断を定量化する最初の試みの1つである。
論文 参考訳（メタデータ） (2021-07-03T11:55:55Z) - Detecting Spurious Correlations with Sanity Tests for Artificial
Intelligence Guided Radiology Systems [22.249702822013045]
放射線学におけるAIの展開における重要な要素は、開発システムの有効性と安全性への信頼を得ることである。
現在のゴールド標準アプローチは、一般化データセットのパフォーマンスの分析検証を行うことである。
間違った理由から,システムが開発データに対して良好に動作するかどうかを特定するための,一連の健全性テストについて述べる。
論文 参考訳（メタデータ） (2021-03-04T14:14:05Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z) - 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) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-09-24T00:42:36Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
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。