論文の概要: A Method for Medical Data Analysis Using the LogNNet for Clinical Decision Support Systems and Edge Computing in Healthcare

• arxiv url: http://arxiv.org/abs/2108.02428v1
• Date: Thu, 5 Aug 2021 07:54:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-06 14:48:29.005759
• Title: A Method for Medical Data Analysis Using the LogNNet for Clinical Decision Support Systems and Edge Computing in Healthcare
• Title（参考訳）: 医療における臨床診断支援システムとエッジコンピューティングのためのLogNNetを用いた医療データ分析手法
• Authors: Andrei Velichko
• Abstract要約: そこで本研究では,LogNNetニューラルネットワークを用いた医療データ解析手法を提案する。 本手法は、患者に疾患が存在する際の危険因子を、一連の医療健康指標に従って算出する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The study presents a new method for analyzing medical data based on the LogNNet neural network, which uses chaotic mappings to transform input information. The technique calculates risk factors for the presence of a disease in a patient according to a set of medical health indicators. The LogNNet architecture allows the implementation of artificial intelligence on medical pe-ripherals of the Internet of Things with low RAM resources, and the development of edge computing in healthcare. The efficiency of LogNNet in assessing perinatal risk is illustrated on cardiotocogram data of 2126 pregnant women, obtained from the UC Irvine machine learning repository. The classification accuracy reaches ~ 91%, with the ~ 3-10 kB of RAM used on the Arduino microcontroller. In addition, examples for diagnosing COVID-19 are provided, using LogNNet trained on a publicly available database from the Israeli Ministry of Health. The service concept has been developed, which uses the data of the express test for COVID-19 and reaches the classification accuracy of ~ 95% with the ~ 0.6 kB of RAM used on Arduino microcontrollers. In all examples, the model is tested using standard classification quality metrics: Precision, Recall, and F1-measure. The study results can be used in clinical decision support systems.
• Abstract（参考訳）: 本研究では,入力情報変換のためのカオスマッピングを用いたlognnetニューラルネットワークに基づく医療データ解析手法を提案する。 本手法は、患者に疾患が存在する際の危険因子を、一連の医療健康指標に従って算出する。 LogNNetアーキテクチャは、低RAMリソースを持つモノのインターネットの医療用周辺部における人工知能の実装と、医療におけるエッジコンピューティングの開発を可能にする。 uc irvine machine learning repositoryから得られた2126名の妊婦の心電図データから, 周産リスク評価におけるlognnetの有効性を示した。 分類精度はおよそ91%に達し、Arduinoマイクロコントローラで使用されるRAMは3～10kBである。 さらに、イスラエル保健省の公開データベースでトレーニングされたlognnetを使用して、covid-19診断の例も提供されている。 サービスの概念は、COVID-19のエクスプレステストのデータを使用し、Arduinoマイクロコントローラで使用される約0.6kBのRAMで95%の分類精度に達した。 すべての例において、モデルは標準的な分類品質指標(Precision、Recall、F1-measure)を使用してテストされる。 本研究結果は臨床意思決定支援システムで利用可能である。

関連論文リスト

• 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)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• AI Framework for Early Diagnosis of Coronary Artery Disease: An Integration of Borderline SMOTE, Autoencoders and Convolutional Neural Networks Approach [0.44998333629984877]
  我々は,データのバランスが不均衡でサンプルサイズが小さい場合に,より正確な予測を行うために,データのバランスと拡張のための方法論を開発する。 実験の結果,提案手法の平均精度は95.36であり,ランダムフォレスト(RF),決定木(DT),サポートベクターマシン(SVM),ロジスティック回帰(LR),人工ニューラルネットワーク(ANN)よりも高かった。
  論文  参考訳（メタデータ） (2023-08-29T14:33:38Z)
• Length of Stay prediction for Hospital Management using Domain Adaptation [0.2624902795082451]
  入院期間 (LoS) は, 入院の効率的な計画, リソースの割り当て, ケアの改善に利用することができる重要な管理指標である。 過去の患者データと機械学習技術を用いて、LoS予測モデルを開発することができる。 倫理的には、これらのモデルは単位頭部の代わりに患者の退院には使用できないが、効果的な病院計画のための病院管理システムには最も必要である。
  論文  参考訳（メタデータ） (2023-06-29T09:58:21Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• COVID-Net Assistant: A Deep Learning-Driven Virtual Assistant for COVID-19 Symptom Prediction and Recommendation [75.74756992992147]
  新型コロナウイルスの症状予測とレコメンデーションを提供するために設計された,効率的な仮想アシスタントであるCOVID-Net Assistantの設計を紹介する。 マシン駆動設計探索を通じて生成された、高度にカスタマイズされた軽量な畳み込みニューラルネットワークアーキテクチャについて検討する。 実験結果から,強力な予測性能を示す COVID-Net Assistant ニューラルネットワークが期待できる結果を得た。
  論文  参考訳（メタデータ） (2022-11-22T01:41:48Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• 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)
• Recognition of handwritten MNIST digits on low-memory 2 Kb RAM Arduino board using LogNNet reservoir neural network [0.0]
  LogNNet貯留層ニューラルネットワーク上に作成されたMNISTデータベースの手書き桁を認識するための提示されたアルゴリズムは、82%の認識精度に達する。 アルゴリズムの単純な構造は、適切なトレーニングとともに、医学における有害事象の早期診断のためのモバイルバイオセンサーの作成など、幅広い応用に適応することができる。
  論文  参考訳（メタデータ） (2021-04-20T18:16:23Z)
• Encoding Clinical Priori in 3D Convolutional Neural Networks for Prostate Cancer Detection in bpMRI [1.0312968200748118]
  臨床的に有意な前立腺癌(csPCa)の空間的有病率と部位的鑑別を捉える確率的集団を導入した。 U-Net, U-SEResNet, UNet++, Attention U-Netの3次元適応を800の機関的トレーニングバリデーションスキャンを用いて訓練し, 放射線学的に推定されたアノテーションと組み合わせて計算を行った。 病理組織学的に確認されたcsPCaによる200個のbpMRI検査において,臨床先行診断を符号化する方法は,患者による診断を改善する強力な能力を示す。
  論文  参考訳（メタデータ） (2020-10-31T13:10:58Z)
• 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)

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。