Fugu-MT 論文翻訳(概要): Diagnosis of Acute Myeloid Leukaemia Using Machine Learning

論文の概要: Diagnosis of Acute Myeloid Leukaemia Using Machine Learning

arxiv url: http://arxiv.org/abs/2108.07396v1
Date: Tue, 17 Aug 2021 01:45:33 GMT
ステータス: 処理完了
システム内更新日: 2021-08-18 13:13:49.960495
Title: Diagnosis of Acute Myeloid Leukaemia Using Machine Learning
Title（参考訳）: 機械学習による急性骨髄性白血病の診断
Authors: A. Angelakis, I. Soulioti
Abstract要約: 我々は、26個のプローブセットとその年齢を用いて、2177人のデータセット上で機械学習モデルをトレーニングする。精度は99.94%、F1スコアは0.9996である。
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: We train a machine learning model on a dataset of 2177 individuals using as features 26 probe sets and their age in order to classify if someone has acute myeloid leukaemia or is healthy. The dataset is multicentric and consists of data from 27 organisations, 25 cities, 15 countries and 4 continents. The accuracy or our model is 99.94\% and its F1-score 0.9996. To the best of our knowledge the performance of our model is the best one in the literature, as regards the prediction of AML using similar or not data. Moreover, there has not been any bibliographic reference associated with acute myeloid leukaemia for the 26 probe sets we used as features in our model.
Abstract（参考訳）: 急性骨髄性白血病や健常者かどうかを分類するために,26個のプローブセットと年齢を用いて2177人の個人を対象とした機械学習モデルを訓練する。データセットはマルチセントリックで、27の組織、25の都市、15の国、4つの大陸のデータで構成されている。精度は99.94\%、F1スコアは0.9996である。我々の知る限りでは、類似データを用いたAMLの予測に関して、我々のモデルの性能は文献の中で最高のものである。また,本モデルの特徴として用いた26個のプローブセットについて,急性骨髄性白血病に関する文献的言及はない。

関連論文リスト

A Hybrid Feature Fusion Deep Learning Framework for Leukemia Cancer Detection in Microscopic Blood Sample Using Gated Recurrent Unit and Uncertainty Quantification [1.024113475677323]
白血病は、顕微鏡で血液や骨髄の腫れを分析して診断され、さらなる細胞化学的検査によって確認される。深層学習は、白血病細胞の検出を補助する、顕微鏡スミア画像を分類する高度な方法を提供している。本研究では,急性リンパ性白血病(ALL)の分類のためのハイブリッドディープラーニングモデルを構築した。提案手法は、ALL-IDB1データセットで100%、ALL-IDB2データセットで98.07%、組み合わせたデータセットで98.64%という顕著な検出精度を達成した。
論文参考訳（メタデータ） (2024-10-18T15:23:34Z)
Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Utilizing Large Language Models to Generate Synthetic Data to Increase the Performance of BERT-Based Neural Networks [0.7071166713283337]
私たちは機械学習モデルをトレーニングするのに十分な規模のデータセットを作成しました。私たちのゴールは自閉症の基準に対応する行動のラベル付けです。データの増大はリコールを13%増加させたが、精度は16%低下した。
論文参考訳（メタデータ） (2024-05-08T03:18:12Z)
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)
A Study of Age and Sex Bias in Multiple Instance Learning based Classification of Acute Myeloid Leukemia Subtypes [44.077241051884926]
複数のMILモデルをトレーニングセットで異なるレベルの性不均衡を用いて訓練し、特定の年齢群を除外する。性別と年齢の偏りがAMLサブタイプ分類モデルの性能に及ぼす影響について検討した。
論文参考訳（メタデータ） (2023-08-24T09:32:46Z)
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)
Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。モデルがサブセット固有の知識の学習に集中するように強制する。提案手法は長期網膜疾患認識タスクに有効であることが判明した。
論文参考訳（メタデータ） (2021-04-22T13:39:33Z)
Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文参考訳（メタデータ） (2021-02-18T21:14:52Z)
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)
GLYFE: Review and Benchmark of Personalized Glucose Predictive Models in Type-1 Diabetes [4.17510581764131]
GLYFEは機械学習に基づくグルコース予測モデルのベンチマークである。ブドウ糖沈降の文献から得られた9つの異なるモデルの結果を報告する。
論文参考訳（メタデータ） (2020-06-29T11:34:41Z)
Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文参考訳（メタデータ） (2020-05-03T02:36:00Z)

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。