論文の概要: Investigating myocardial infarction and its effects in patients with
urgent medical problems using advanced data mining tools
- arxiv url: http://arxiv.org/abs/2112.07890v1
- Date: Wed, 15 Dec 2021 05:10:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-17 00:48:42.208510
- Title: Investigating myocardial infarction and its effects in patients with
urgent medical problems using advanced data mining tools
- Title（参考訳）: 高度データマイニングツールを用いた緊急医療問題における心筋梗塞の検討とその効果
- Authors: Tanya Aghazadeh and Mostafa Bagheri
- Abstract要約: 心筋梗塞は死亡の重大な危険因子である。
本研究の目的は,データ解析アルゴリズムを用いて,心臓発作患者の精度を比較することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In medical science, it is very important to gather multiple data on different
diseases and one of the most important objectives of the data is to investigate
the diseases. Myocardial infarction is a serious risk factor in mortality and
in previous studies, the main emphasis has been on people with heart disease
and measuring the likelihood of myocardial infarction in them through
demographic features, echocardiography, and electrocardiogram. In contrast, the
purpose of the present study is to utilize data analysis algorithms and compare
their accuracy in patients with a heart attack in order to identify the heart
muscle strength during myocardial infarction by taking into account emergency
operations and consequently predict myocardial infarction. For this purpose,
105 medical records of myocardial infarction patients with fourteen features
including age, the time of emergency operation, Creatine Phosphokinase (CPK)
test, heart rate, blood sugar, and vein are gathered and investigated through
classification techniques of data analysis including random decision forests,
decision tree, support vector machine (SVM), k-nearest neighbor, and ordinal
logistic regression. Finally, the model of random decision forests with an
accuracy of 76% is selected as the best model in terms of the mean evaluation
indicator. Also, seven features of the creatine Phosphokinase test, urea, white
and red blood cell count, blood sugar, time, and hemoglobin are identified as
the most effective features of the ejection fraction variable.
- Abstract（参考訳）: 医学では、異なる疾患に関する複数のデータを集めることが非常に重要であり、このデータの最も重要な目的の1つは疾患を調べることである。
心筋梗塞は死亡の重大な危険因子であり、過去の研究では、心臓疾患の患者に重点を置いており、人口動態、心エコー、心電図による心筋梗塞の可能性を測定している。
対照的に,本研究の目的は,緊急手術を考慮し,心筋梗塞予測を行うことにより,心筋梗塞時の心筋力を同定するために,データ解析アルゴリズムを活用し,心臓発作患者におけるその正確性を比較することである。
この目的のために, 年齢, 緊急手術時, クレアチンホスホキナーゼ (cpk) 試験, 心拍数, 血糖値, 静脈の計14例の診療記録を, ランダム決定森林, 決定木, サポートベクターマシン (svm), k-nearest neighbor, 順序ロジスティック回帰などのデータ分析の分類手法を用いて収集し, 検討した。
最後に, 平均評価指標から, 精度が76%の無作為決定林のモデルを最適モデルとして選択した。
また、クレアチンホスホキナーゼテストの7つの特徴、尿素、白血球数、血糖、時間、ヘモグロビンが、射出分画変数の最も効果的な特徴として同定されている。
関連論文リスト
- Large-scale cross-modality pretrained model enhances cardiovascular state estimation and cardiomyopathy detection from electrocardiograms: An AI system development and multi-center validation study [29.842103054029433]
本研究はCMRの診断強度を活用して心電図解析を強化する革新的なモデルであるCardiacNetsを紹介する。
心臓神経は、冠動脈疾患、心筋症、心膜炎、心不全、肺高血圧など、潜在的なCVDの心臓機能指標とスクリーニングを評価する。
その結果、CardiacNetsは従来のECGのみのモデルより一貫して優れており、スクリーニング精度が大幅に向上していることがわかった。
論文 参考訳（メタデータ） (2024-11-19T09:09:14Z) - A Generalizable Deep Learning System for Cardiac MRI [29.429744474335347]
本稿では,ヒト心血管疾患と健康の広さを表現できる心臓MRIの基礎的ビジョンシステムについて述べる。
深層学習モデルは自己指導型コントラスト学習によって訓練され, 関連する放射線学報告の生テキストからシネケンス心磁図の視覚的概念を学習する。
本研究の深層学習システムは,人間の心血管疾患の停滞する複雑さを理解できるだけでなく,典型的にはこれらの課題に必要とされるトレーニングデータのごく一部を応用した,目覚しい臨床段階の診断精度をもたらす臨床上の問題に向けることができることを示す。
論文 参考訳（メタデータ） (2023-12-01T05:27:29Z) - 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) - Predicting Heart Disease and Reducing Survey Time Using Machine Learning
Algorithms [0.0]
疾病予防管理センター(CDC)は毎年40万人以上の参加者から健康に関する電話調査を行っている。
本研究の目的は、アメリカにおけるCDCの心臓疾患調査の正確性を調べるために、サポートベクターマシンやロジスティック回帰などの機械学習技術を活用することである。
論文 参考訳（メタデータ） (2023-05-30T21:15:21Z) - ISLES 2022: A multi-center magnetic resonance imaging stroke lesion
segmentation dataset [36.278933802685316]
このデータセットは、脳卒中病変の大きさ、量、位置の多様性が高い400のマルチベンダーMRI症例からなる。
n=250のトレーニングデータセットとn=150のテストデータセットに分けられる。
テストデータセットはモデル検証のみに使用され、一般にはリリースされない。
論文 参考訳（メタデータ） (2022-06-14T08:54:40Z) - Analyzing the impact of feature selection on the accuracy of heart
disease prediction [0.5249805590164902]
本研究の目的は,合併症の少ない心臓病の正確な分類を支援する高次元データセットから,最も重要なリスク因子を同定することである。
分類モデルの性能は、フル機能セットで訓練されたモデルと比較して、トレーニング時間を短縮して大幅に向上した。
論文 参考訳（メタデータ） (2022-06-07T12:51:37Z) - AI-enabled Assessment of Cardiac Systolic and Diastolic Function from
Echocardiography [1.0082848901582044]
左室機能(LV)は, 心疾患患者の管理, 予後, 長期生存において重要な因子である。
最近発表された心不全に関する臨床ガイドラインは、心機能の1つの尺度のみに依存することが最適であることを認めている。
近年,AIを用いた心エコー図法が進歩し,LV容積とLV放出率の自動推定に優れた結果が得られた。
論文 参考訳（メタデータ） (2022-03-21T10:59:48Z) - Estimation of atrial fibrillation from lead-I ECGs: Comparison with
cardiologists and machine learning model (CurAlive), a clinical validation
study [0.0]
本研究では,人工知能を用いた心房細動検出法を提案する。
本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
論文 参考訳（メタデータ） (2021-04-15T12:50:16Z) - 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) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳（メタデータ） (2020-10-13T15:20:21Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。