論文の概要: Diagnosis of Schizophrenia: A comprehensive evaluation

• arxiv url: http://arxiv.org/abs/2203.11610v1
• Date: Tue, 22 Mar 2022 10:55:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-23 14:20:11.239183
• Title: Diagnosis of Schizophrenia: A comprehensive evaluation
• Title（参考訳）: 統合失調症の診断 : 総合的評価
• Authors: M. Tanveer, Jatin Jangir, M.A. Ganaie, Iman Beheshti, M. Tabish, Nikunj Chhabra
• Abstract要約: サポートベクターマシン(SVM)、ランダムフォレスト、カーネルリッジ回帰、ランダム化されたニューラルネットワークに基づいて、異なる分類アルゴリズムを評価した。 評価の結果,他の分類モデルと比較して,ガウスカーネルを用いたSVMベースのモデルの方が優れていることがわかった。 データモダリティの面では,灰白質と白質を個別に比較すると,灰白質と白質との結合性能は良好であった。
• 参考スコア（独自算出の注目度）: 1.174402845822043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning models have been successfully employed in the diagnosis of Schizophrenia disease. The impact of classification models and the feature selection techniques on the diagnosis of Schizophrenia have not been evaluated. Here, we sought to access the performance of classification models along with different feature selection approaches on the structural magnetic resonance imaging data. The data consist of 72 subjects with Schizophrenia and 74 healthy control subjects. We evaluated different classification algorithms based on support vector machine (SVM), random forest, kernel ridge regression and randomized neural networks. Moreover, we evaluated T-Test, Receiver Operator Characteristics (ROC), Wilcoxon, entropy, Bhattacharyya, Minimum Redundancy Maximum Relevance (MRMR) and Neighbourhood Component Analysis (NCA) as the feature selection techniques. Based on the evaluation, SVM based models with Gaussian kernel proved better compared to other classification models and Wilcoxon feature selection emerged as the best feature selection approach. Moreover, in terms of data modality the performance on integration of the grey matter and white matter proved better compared to the performance on the grey and white matter individually. Our evaluation showed that classification algorithms along with the feature selection approaches impact the diagnosis of Schizophrenia disease. This indicates that proper selection of the features and the classification models can improve the diagnosis of Schizophrenia.
• Abstract（参考訳）: 機械学習モデルは精神分裂病の診断に成功している。 統合失調症の診断における分類モデルと特徴選択手法の影響は評価されていない。 そこで我々は,構造磁気共鳴画像データにおける特徴選択手法とともに,分類モデルの性能にアクセスしようとした。 対象は統合失調症72名と健常者74名であった。 サポートベクターマシン(svm)、ランダムフォレスト、カーネルリッジ回帰、ランダムニューラルネットワークに基づいて、異なる分類アルゴリズムを評価した。 さらに,T-Test,Receer Operator Characteristics (ROC), Wilcoxon, Entropy, Bhattacharyya, Minimum Redundancy Maximum Relevance (MRMR) and Neighbourhood Component Analysis (NCA) を特徴選択手法として評価した。 評価結果から、ガウスカーネルを用いたSVMベースのモデルは他の分類モデルよりも優れており、Wilcoxonの機能選択が最高の特徴選択手法として登場した。 さらに,データモダリティの面では,灰白質と白質を個別に比較すると,灰白質と白質の一体化性能が良好であることが判明した。 以上の結果から,分類アルゴリズムと特徴選択法が統合失調症の診断に影響を及ぼすことが明らかとなった。 これは、特徴の適切な選択と分類モデルが統合失調症の診断を改善することを示している。

関連論文リスト

• Diagnosis Of Takotsubo Syndrome By Robust Feature Selection From The Complex Latent Space Of DL-based Segmentation Network [4.583480375083946]
  医学における分類モデルやセグメンテーションモデルを用いて、潜伏した特徴を学習し、堅牢な特徴選択をオプトアウトし、過度な適合につながる可能性がある。 本稿では,診断を支援するセグメンテーションモデルの潜在空間を用いた特徴選択手法を提案する。 診断精度82%が従来のSOTA (State-of-the-art) を上回り, 心疾患の鑑別診断に有用であった。
  論文  参考訳（メタデータ） (2023-12-19T22:53:32Z)
• EAG-RS: A Novel Explainability-guided ROI-Selection Framework for ASD Diagnosis via Inter-regional Relation Learning [11.344446341236267]
  本稿では,脳領域間の非線形高次機能的関連を識別する新しい利害選択領域(EAG-RS)を提案する。 このフレームワークは, (i) ランダムなシードベースネットワークマスキングによる非線形関係を推定するための地域間関係学習, (ii) 機能的接続間の高次関係を探索するための接続関連度スコア推定, (iii) 非線形高次FCベースの診断非形式ROI選択とASDの識別のための学習の3段階を含む。
  論文  参考訳（メタデータ） (2023-10-05T09:14:54Z)
• Comparative study of machine learning and deep learning methods on ASD classification [4.826988182025783]
  自閉症データセットは、自閉症と健康なグループの違いを特定するために研究される。 本モデルでは,多地点ABIDE Iデータを用いて,自閉症患者と健常患者を71%の精度で分類できる。
  論文  参考訳（メタデータ） (2022-09-18T16:39:10Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic Reinforcement Learning [9.274138493400436]
  医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。 これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。 生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-08T03:06:16Z)
• Identification of Autism spectrum disorder based on a novel feature selection method and Variational Autoencoder [7.0876609220947655]
  安静時機能的磁気共鳴画像(rs-fMRI)のような非侵襲的脳イメージングは、自閉症スペクトラム障害(ASD)の早期診断に有望な解決策である 本稿では rs-fMRI に基づく ASD 診断を支援するための分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-07T08:50:48Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)

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。