論文の概要: Machine Learning-Based Heart Disease Diagnosis: A Systematic Literature
Review
- arxiv url: http://arxiv.org/abs/2112.06459v1
- Date: Mon, 13 Dec 2021 07:29:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 03:03:57.561432
- Title: Machine Learning-Based Heart Disease Diagnosis: A Systematic Literature
Review
- Title(参考訳): 機械学習による心臓疾患診断 : 体系的文献レビュー
- Authors: Md Manjurul Ahsan, Zahed Siddique
- Abstract要約: 心臓病は世界中で多くの死因の1つとなっている。
最近の機械学習(ML)応用の進歩は、心電図(ECG)と患者のデータを用いて、早期に心臓病を検出することが可能であることを示している。
ECGと患者データはどちらも不均衡であることが多いため、最終的には従来のMLが偏りなく実行するという課題が提起される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Heart disease is one of the significant challenges in today's world and one
of the leading causes of many deaths worldwide. Recent advancement of machine
learning (ML) application demonstrates that using electrocardiogram (ECG) and
patient data, detecting heart disease during the early stage is feasible.
However, both ECG and patient data are often imbalanced, which ultimately
raises a challenge for the traditional ML to perform unbiasedly. Over the
years, several data level and algorithm level solutions have been exposed by
many researchers and practitioners. To provide a broader view of the existing
literature, this study takes a systematic literature review (SLR) approach to
uncover the challenges associated with imbalanced data in heart diseases
predictions. Before that, we conducted a meta-analysis using 451 referenced
literature acquired from the reputed journals between 2012 and November 15,
2021. For in-depth analysis, 49 referenced literature has been considered and
studied, taking into account the following factors: heart disease type,
algorithms, applications, and solutions. Our SLR study revealed that the
current approaches encounter various open problems/issues when dealing with
imbalanced data, eventually hindering their practical applicability and
functionality.
- Abstract(参考訳): 心臓病は、今日の世界で重要な課題の1つであり、世界中の多くの死の原因の1つです。
最近の機械学習(ML)応用の進歩は、心電図(ECG)と患者のデータを用いて、早期に心臓病を検出することが可能であることを示している。
しかし、心電図と患者のデータは、しばしば不均衡であり、結果として従来のMLが偏りなく振る舞うという課題が引き起こされる。
長年にわたり、多くの研究者や実践者がデータレベルとアルゴリズムレベルのソリューションを公開してきた。
そこで本研究では, 心疾患予測における不均衡データに関連する課題を明らかにするために, 体系的文献レビュー(SLR)アプローチを取り入れた。
その前は,2012年から2021年11月15日までに,学術誌から入手した451文献を参考にメタ分析を行った。
詳細な分析では、49の文献が検討され、心臓病の種類、アルゴリズム、応用、解決策などを考慮して研究されている。
我々のSLR研究は、現在のアプローチが不均衡なデータを扱う際に様々なオープンな問題や問題に遭遇し、最終的には実用性や機能を妨げることを明らかにした。
関連論文リスト
- Artificial Intelligence in Assessing Cardiovascular Diseases and Risk
Factors via Retinal Fundus Images: A Review of the Last Decade [8.782827397923757]
心臓血管疾患(CVDs)は、世界規模で死に至る主要な原因であり続けている。
人工知能(AI)技術の応用は、CVDの様々な側面を評価することで大きな人気を集めている。
心臓の機能をよりよく理解し、微小血管の特徴と機能に基づく変化を予想するために、研究者は現在、AIと非侵襲網膜スキャンの統合を検討している。
論文 参考訳(メタデータ) (2023-11-11T13:09:11Z) - Towards long-tailed, multi-label disease classification from chest
X-ray: Overview of the CXR-LT challenge [59.98679318097253]
診断医用画像検査など,現実的な画像認識の問題が数多く発生している。
診断は長い尾と多ラベルの問題であり、患者は複数の所見を呈することが多い。
我々は共通のテーマを合成し、長い尾を持つマルチラベルの医用画像分類のためのレコメンデーションを提供する。
論文 参考訳(メタデータ) (2023-10-24T18:26:22Z) - Ensemble Framework for Cardiovascular Disease Prediction [0.0]
心臓病は、世界中でコミュニケーション不能で無音な死の主な原因である。
我々は,ExtraTrees,Random Forest,XGBoostなど,複数の機械学習アルゴリズムを用いたアンサンブルを組み込んだフレームワークを提案している。
提案手法は,既存の文献よりも高い92.34%の精度を実現した。
論文 参考訳(メタデータ) (2023-06-16T17:37:43Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Analysis and prediction of heart stroke from ejection fraction and serum
creatinine using LSTM deep learning approach [9.476778519758428]
我々は、長期記憶(LSTM)を利用したスマートで予測可能なモデルを構築し、その健康記録に基づいて、心不全の今後の動向を予測する。
ファサロバド心臓医学研究所とファサロバドの連合軍病院(パキスタン・パンジャブ)で収集された299人の心不全患者の医療記録を含むデータセットを分析した。
このデータセットには13の特徴が含まれており、心不全の原因となる臨床、身体、ライフスタイルに関する情報が報告されている。
論文 参考訳(メタデータ) (2022-09-28T03:00:17Z) - ImDrug: A Benchmark for Deep Imbalanced Learning in AI-aided Drug
Discovery [79.08833067391093]
現実世界の医薬品のデータセットは、しばしば高度に不均衡な分布を示す。
ImDrugはオープンソースのPythonライブラリを備えたベンチマークで、4つの不均衡設定、11のAI対応データセット、54の学習タスク、16のベースラインアルゴリズムで構成されています。
ドラッグ発見パイプラインの幅広い範囲にまたがる問題やソリューションに対して、アクセス可能でカスタマイズ可能なテストベッドを提供する。
論文 参考訳(メタデータ) (2022-09-16T13:35:57Z) - Analysis of Digitalized ECG Signals Based on Artificial Intelligence and
Spectral Analysis Methods Specialized in ARVC [0.0]
不整脈性右室心筋症(英: arrhythmogenic right ventricular cardiomyopathy、ARVC)は、患者の2年目から4年目に発症する遺伝性心筋疾患である。
心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
論文 参考訳(メタデータ) (2022-02-28T13:12:50Z) - Machine learning based disease diagnosis: A comprehensive review [0.0]
このレビューでは、機械学習(ML)とディープラーニング(DL)が、多くの病気の早期発見にどのように利用されているかを説明します。
1216の出版物に関する文献学的研究は、最も多作な著者、国、組織、そして最も引用された記事を決定するために行われた。
このレビューでは、機械学習ベースの疾患診断(MLBDD)の最新動向とアプローチをまとめている。
論文 参考訳(メタデータ) (2021-12-31T16:25:23Z) - Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue
Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。
また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文 参考訳(メタデータ) (2020-12-22T13:20:23Z) - 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) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2019-12-28T02:44:29Z)
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。