論文の概要: AI-based approach for improving the detection of blood doping in sports

• arxiv url: http://arxiv.org/abs/2203.00001v1
• Date: Wed, 9 Feb 2022 16:23:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-06 15:26:24.104391
• Title: AI-based approach for improving the detection of blood doping in sports
• Title（参考訳）: スポーツにおける血液ドーピング検出の改善のためのaiアプローチ
• Authors: Maxx Richard Rahman, Jacob Bejder, Thomas Christian Bonne, Andreas Breenfeldt Andersen, Jes\'us Rodr\'iguez Huertas, Reid Aikin, Nikolai Baastrup Nordsborg and Wolfgang Maa{\ss}
• Abstract要約: 血液試料中のドーピング物質rhEPOの存在を識別するための統計的および機械学習に基づくアプローチを提案する。 本稿では,血液試料中のドーピング物質rhEPOの存在を識別するための統計的および機械学習に基づくアプローチを提案する。
• 参考スコア（独自算出の注目度）: 1.0260880679794955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sports officials around the world are facing incredible challenges due to the unfair means of practices performed by the athletes to improve their performance in the game. It includes the intake of hormonal based drugs or transfusion of blood to increase their strength and the result of their training. However, the current direct test of detection of these cases includes the laboratory-based method, which is limited because of the cost factors, availability of medical experts, etc. This leads us to seek for indirect tests. With the growing interest of Artificial Intelligence in healthcare, it is important to propose an algorithm based on blood parameters to improve decision making. In this paper, we proposed a statistical and machine learning-based approach to identify the presence of doping substance rhEPO in blood samples.
• Abstract（参考訳）: 世界中のスポーツ関係者は、選手が試合のパフォーマンスを改善するために行う不公平な慣行のために、驚くべき課題に直面しています。 ホルモンをベースとした薬物の摂取や血液の輸血により、その強度とトレーニングの結果が増加する。 しかし、これらの症例の検出の現在の直接検査には、コスト要因や医療専門家の可用性などによって制限されている実験室ベースの方法が含まれる。 これにより、間接的なテストを探します。 医療における人工知能への関心が高まる中、意思決定を改善するために血液パラメータに基づくアルゴリズムを提案することが重要である。 本稿では,血液試料中のドーピング物質rhEPOの存在を識別するための統計的および機械学習に基づくアプローチを提案する。

関連論文リスト

• Artificial Intelligence in Gastrointestinal Bleeding Analysis for Video Capsule Endoscopy: Insights, Innovations, and Prospects (2008-2023) [0.7119794757408745]
  全世界で30万人もの死亡が胃腸出血と関連している。 Video Capsule Endoscopy (VCE) は、消化器の包括的、非侵襲的な可視化を提供することにより、大きな進歩を遂げた。 その利点にもかかわらず、VCEの有効性は、時間を要する分析や人間のエラーに対する感受性など、診断上の課題によって妨げられている。 本稿では,出血検出における機械学習(ML)手法の現状を評価し,その有効性,課題,今後の方向性を明らかにする。
  論文  参考訳（メタデータ） (2024-09-01T07:13:28Z)
• Towards Efficient Patient Recruitment for Clinical Trials: Application of a Prompt-Based Learning Model [0.7373617024876725]
  臨床試験は医薬品の介入を促進するのに不可欠であるが、適格な参加者を選ぶ際にボトルネックに直面している。 構造化されていない医療用テキストの複雑な性質は、参加者を効率的に識別する上での課題である。 本研究では,コホート選択課題に対するプロンプトベース大規模言語モデルの性能評価を目的とした。
  論文  参考訳（メタデータ） (2024-04-24T20:42:28Z)
• Physical formula enhanced multi-task learning for pharmacokinetics prediction [54.13787789006417]
  AIによる薬物発見の大きな課題は、高品質なデータの不足である。 薬物動態の4つの重要なパラメータを同時に予測するPEMAL法を開発した。 実験の結果,PEMALは一般的なグラフニューラルネットワークに比べてデータ需要を著しく低減することがわかった。
  論文  参考訳（メタデータ） (2024-04-16T07:42:55Z)
• Explainable AI in Diagnosing and Anticipating Leukemia Using Transfer Learning Method [0.0]
  本研究は,小児および10代に流行する急性リンパ芽球性白血病(ALL)に焦点をあてる。 ディープラーニング技術を活用したコンピュータ支援診断(CAD)モデルを用いた自動検出手法を提案する。 提案手法は98.38%の精度を達成し、他の試験モデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-12-01T10:37:02Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
  NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。 膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:47:42Z)
• Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
  機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。 アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。 マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:35:38Z)
• Using machine learning techniques to predict hospital admission at the emergency department [0.0]
  救急部門(ED)における最も重要な課題の一つは、病院入院の恩恵を受ける患者を迅速に特定することである。 機械学習(ML)技術は、医療における診断支援として有望であることを示している。 本研究は,病院入院の予測における業績について,以下の特徴について考察した。
  論文  参考訳（メタデータ） (2021-06-23T16:37:37Z)
• AI Fairness via Domain Adaptation [1.52292571922932]
  我々は,AIの公正性を確保するための新しい手法を,保護的・敏感な要因に対して検討する。 この方法は、トレーニングセットの強化によるドメイン適応を用いてバイアスを考慮したトレーニングデータの不均衡に取り組む。 本稿では, 加齢関連黄斑変性症(AMD)の診断に本手法を適用した。
  論文  参考訳（メタデータ） (2021-03-15T22:55:51Z)
• Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost Functions [80.12620331438052]
  深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。 このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
  論文  参考訳（メタデータ） (2020-06-25T08:46:37Z)
• Contextual Constrained Learning for Dose-Finding Clinical Trials [102.8283665750281]
  C3T-Budget(C3T-Budget)は、予算と安全性の両方の制約の下での線量フィリングのための文脈制約付き臨床試験アルゴリズムである。 残りの予算、残業時間、各グループの特徴を考慮して患者を募集する。
  論文  参考訳（メタデータ） (2020-01-08T11:46:48Z)

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。