論文の概要: Examining stability of machine learning methods for predicting dementia at early phases of the disease

• arxiv url: http://arxiv.org/abs/2209.04643v1
• Date: Sat, 10 Sep 2022 12:05:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-13 12:27:15.096999
• Title: Examining stability of machine learning methods for predicting dementia at early phases of the disease
• Title（参考訳）: 病期早期認知症予測のための機械学習法の安定性の検討
• Authors: Sinan Faouri, Mahmood AlBashayreh and Mohammad Azzeh
• Abstract要約: 認知症の予測は、通常、正常化された全脳容積(nWBV)とAtlas Scaling Factor(ASF)から収集される収集データの種類に大きく依存する。 多くの研究は認知症を予測するために機械学習を使用しているが、異なる実験条件下でより正確であるこれらの手法の安定性に関する結論には達しなかった。 本稿では,認知症予測のための機械学習アルゴリズムの性能に関する結論安定性について検討する。
• 参考スコア（独自算出の注目度）: 0.4125187280299248
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dementia is a neuropsychiatric brain disorder that usually occurs when one or more brain cells stop working partially or at all. Diagnosis of this disorder in the early phases of the disease is a vital task to rescue patients lives from bad consequences and provide them with better healthcare. Machine learning methods have been proven to be accurate in predicting dementia in the early phases of the disease. The prediction of dementia depends heavily on the type of collected data which usually are gathered from Normalized Whole Brain Volume (nWBV) and Atlas Scaling Factor (ASF) which are normally measured and corrected from Magnetic Resonance Imaging (MRIs). Other biological features such as age and gender can also help in the diagnosis of dementia. Although many studies use machine learning for predicting dementia, we could not reach a conclusion on the stability of these methods for which one is more accurate under different experimental conditions. Therefore, this paper investigates the conclusion stability regarding the performance of machine learning algorithms for dementia prediction. To accomplish this, a large number of experiments were run using 7 machine learning algorithms and two feature reduction algorithms namely, Information Gain (IG) and Principal Component Analysis (PCA). To examine the stability of these algorithms, thresholds of feature selection were changed for the IG from 20% to 100% and the PCA dimension from 2 to 8. This has resulted in 7x9 + 7x7= 112 experiments. In each experiment, various classification evaluation data were recorded. The obtained results show that among seven algorithms the support vector machine and Naive Bayes are the most stable algorithms while changing the selection threshold. Also, it was found that using IG would seem more efficient than using PCA for predicting Dementia.
• Abstract（参考訳）: 認知症 (Dementia) は、通常1つ以上の脳細胞が部分的に、または全く機能しなくなったときに起こる神経精神疾患である。 疾患の初期段階におけるこの疾患の診断は、悪い結果から患者を救い、より良い医療を提供するための重要な課題である。 機械学習手法は、疾患の初期段階における認知症の予測に正確であることが証明されている。 認知症の予測は、通常、MRI(MRI)から測定・補正される正常化された全脳容積(nWBV)とAtlas Scaling Factor(ASF)から収集される収集データの種類に大きく依存する。 その他の生物学的特徴、例えば年齢や性別は認知症の診断にも役立つ。 多くの研究は認知症予測に機械学習を用いるが、異なる実験条件下でより正確であるこれらの方法の安定性について結論を出すことはできなかった。 そこで本研究では,認知症予測のための機械学習アルゴリズムの性能に関する結論安定性について検討する。 これを実現するために、7つの機械学習アルゴリズムと2つの特徴量削減アルゴリズム、すなわち情報ゲイン(IG)と主成分分析(PCA)を用いて多数の実験が行われた。 これらのアルゴリズムの安定性を検討するために, IGの特徴選択閾値を20%から100%に, PCA寸法を2～8に変更した。 その結果、7x9 + 7x7=112の実験が行われた。 各実験で各種分類評価データを記録した。 その結果,7つのアルゴリズムのうち,サポートベクターマシンとナイーブベイズが選択しきい値を変化させながら最も安定なアルゴリズムであることが判明した。 また,認知症予測にはPCAよりもIGの方が効果的であると考えられた。

関連論文リスト

• A Comparative Analysis on Metaheuristic Algorithms Based Vision Transformer Model for Early Detection of Alzheimer's Disease [0.7673339435080445]
  神経変性疾患を脅かす多くの生命は、特に高齢者の生活の質を低下させた。 認知症は、早期に検出されない場合、アルツハイマー病と呼ばれる重篤な症状を引き起こす可能性がある。 本稿では, 異なる段階で認知症を特定するために, 革新的メタヒューリスティックアルゴリズムに基づくViTモデルを提案する。
  論文  参考訳（メタデータ） (2024-01-18T08:31:38Z)
• DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
  より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
  論文  参考訳（メタデータ） (2023-12-02T22:57:25Z)
• Parkinson's Disease Detection through Vocal Biomarkers and Advanced Machine Learning Algorithms [0.0]
  本研究は早期疾患予測の手段として, PD患者の声質変化の可能性について検討した。 XGBoost、LightGBM、Baging、AdaBoost、Support Vector Machineなど、さまざまな高度な機械学習アルゴリズムを活用する。 LightGBMは、100%の感度と94.43%の特異性を示し、他の機械学習アルゴリズムの精度とAUCスコアを上回った。
  論文  参考訳（メタデータ） (2023-11-09T15:21:10Z)
• A Machine Learning Approach for Predicting Deterioration in Alzheimer's Disease [0.0]
  本稿では,機械学習を用いたアルツハイマー病の悪化について検討する。 勾配強化を含む6つの機械学習モデルを構築し評価した。 認知正常群のうちどれが劣化したかを予測するCARTを用いて,良好な予測能力を示すことができた。 軽度認知障害群では,Elastic Netによる劣化予測能力は良好であった。
  論文  参考訳（メタデータ） (2023-06-17T12:23:35Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)
• Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
  T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。 686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
  論文  参考訳（メタデータ） (2021-06-06T07:11:25Z)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Auxiliary Diagnosing Coronary Stenosis Using Machine Learning [2.4100803794273]
  本論文では,4つの機械学習アルゴリズム,すなわちBoosted Tree(BT),Decision Tree(DT),Logistic Regression(LR),Random Forest(RF)が採用されている。 実験の結果、RFは他の3つのアルゴリズムよりも優れた性能を示し、以前のアルゴリズムは、個人が95.7%の精度でCSを持っているかどうかを分類する。
  論文  参考訳（メタデータ） (2020-07-16T04:56:57Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。