論文の概要: Early heart disease prediction using hybrid quantum classification

• arxiv url: http://arxiv.org/abs/2208.08882v1
• Date: Wed, 17 Aug 2022 08:54:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-19 14:18:08.190182
• Title: Early heart disease prediction using hybrid quantum classification
• Title（参考訳）: ハイブリッド量子分類を用いた早期心疾患予測
• Authors: Hanif Heidari and Gerhard Hellstern
• Abstract要約: 心臓病の早期予測は、心臓死亡率と死亡率の低下に不可欠である。 本稿では,心臓疾患の早期発見のための2つの量子機械学習手法を提案する。 これらの手法はクリーブランドとスタットログのデータセットに適用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rate of heart morbidity and heart mortality increases significantly which affect the global public health and world economy. Early prediction of heart disease is crucial for reducing heart morbidity and mortality. This paper proposes two quantum machine learning methods i.e. hybrid quantum neural network and hybrid random forest quantum neural network for early detection of heart disease. The methods are applied on the Cleveland and Statlog datasets. The results show that hybrid quantum neural network and hybrid random forest quantum neural network are suitable for high dimensional and low dimensional problems respectively. The hybrid quantum neural network is sensitive to outlier data while hybrid random forest is robust on outlier data. A comparison between different machine learning methods shows that the proposed quantum methods are more appropriate for early heart disease prediction where 96.43% and 97.78% area under curve are obtained for Cleveland and Statlog dataset respectively.
• Abstract（参考訳）: 心臓死亡率と心臓死亡率は、世界の公衆衛生と世界経済に大きな影響を及ぼす。 心臓病の早期予測は、心臓病死の軽減に不可欠である。 本稿では、心臓疾患早期発見のための2つの量子機械学習手法、すなわちハイブリッド量子ニューラルネットワークとハイブリッドランダムフォレスト量子ニューラルネットワークを提案する。 これらの手法はクリーブランドとスタットログのデータセットに適用される。 その結果,ハイブリッド量子ニューラルネットワークとハイブリッドランダムフォレスト量子ニューラルネットワークは,それぞれ高次元問題と低次元問題に適していることがわかった。 ハイブリッド量子ニューラルネットワークは外れ値データに敏感であり、ハイブリッドランダムフォレストは外れ値データに堅牢である。 異なる機械学習法との比較により、提案法は、クリーブランドデータセットとスタットログデータセットでそれぞれ96.43%と97.78%の曲線下領域が得られた早期心疾患予測に適していることが示された。

関連論文リスト

• KACQ-DCNN: Uncertainty-Aware Interpretable Kolmogorov-Arnold Classical-Quantum Dual-Channel Neural Network for Heart Disease Detection [1.927711700724334]
  心不全は世界的な健康上の大きな課題であり、心臓血管疾患による毎年1780万人の死亡に大きく貢献している。 古典的機械学習の顔制限に基づく現在の心臓疾患予測モデル KACQ-DCNNは古典量子ハイブリッド2チャネルニューラルネットワークである。
  論文  参考訳（メタデータ） (2024-10-09T21:26:49Z)
• 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)
• Research on Early Warning Model of Cardiovascular Disease Based on Computer Deep Learning [5.761426161930679]
  本研究は,1次元畳み込みニューラルネットワークに基づく心血管疾患早期警戒モデルについて検討することを目的とする。 患者年齢,血糖値,コレステロール値,胸痛値などの生理・症状指標が欠落し,Zスコアが標準化された。
  論文  参考訳（メタデータ） (2024-06-13T07:04:22Z)
• An Improved Heart Disease Prediction Using Stacked Ensemble Method [0.9187159782788579]
  機械学習を用いた心疾患予測システムを構築した。 心臓疾患のある人と正常な人とを簡単に区別することができる。
  論文  参考訳（メタデータ） (2023-04-12T17:53:59Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• An IoT Framework for Heart Disease Prediction based on MDCNN Classifier [0.0]
  IoTフレームワークは、Deep Modified Convolutional Neural Network(MDCNN)を用いて心臓病をより正確に評価する。 患者に取り付けられたスマートウォッチと心臓モニター装置は、血圧と心電図(ECG)を監視します。 その結果, MDCNN を用いた心疾患予測システムは, 他の方法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-10T22:00:56Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• A Novel Approach to the Diagnosis of Heart Disease using Machine Learning and Deep Neural Networks [0.0]
  本研究の目的は、機械学習(ML)とディープニューラルネットワーク(DNN)アルゴリズムを用いた心臓疾患診断のためのアプリケーションを開発することである。 このアプリケーションは、Frask上で動作し、DNNを使用してBootstrapを利用するように開発され、Random Forest MLモデルよりも92%の精度で実行された。
  論文  参考訳（メタデータ） (2020-07-25T19:08:04Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。