論文の概要: Mutual Information and Ensemble Based Feature Recommender for Renal
Cancer Stage Classification
- arxiv url: http://arxiv.org/abs/2209.13836v1
- Date: Wed, 28 Sep 2022 04:54:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 17:41:32.503162
- Title: Mutual Information and Ensemble Based Feature Recommender for Renal
Cancer Stage Classification
- Title（参考訳）: 腎癌ステージ分類のための相互情報とアンサンブルに基づく特徴レコメンダ
- Authors: Abhishek Dey, Debayan Goswami, Rahul Roy, Susmita Ghosh, Yu Shrike
Zhang, Jonathan H. Chan
- Abstract要約: 最も有害なRCCはクリア細胞腎細胞癌(ccRCC)である
ccRCCの早期かつ正確な検出は、他の臓器における疾患のさらなる拡散を防ぐために必要である。
本稿では,ccRCCの診断に有効な重要な特徴を明らかにするための詳細な実験を行う。
- 参考スコア（独自算出の注目度）: 0.7938093309723064
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Kidney is an essential organ in human body. It maintains homeostasis and
removes harmful substances through urine. Renal cell carcinoma (RCC) is the
most common form of kidney cancer. Around 90\% of all kidney cancers are
attributed to RCC. Most harmful type of RCC is clear cell renal cell carcinoma
(ccRCC) that makes up about 80\% of all RCC cases. Early and accurate detection
of ccRCC is necessary to prevent further spreading of the disease in other
organs. In this article, a detailed experimentation is done to identify
important features which can aid in diagnosing ccRCC at different stages. The
ccRCC dataset is obtained from The Cancer Genome Atlas (TCGA). A novel mutual
information and ensemble based feature ranking approach considering the order
of features obtained from 8 popular feature selection methods is proposed.
Performance of the proposed method is evaluated by overall classification
accuracy obtained using 2 different classifiers (ANN and SVM). Experimental
results show that the proposed feature ranking method is able to attain a
higher accuracy (96.6\% and 98.6\% using SVM and NN, respectively) for
classifying different stages of ccRCC with a reduced feature set as compared to
existing work. It is also to be noted that, out of 3 distinguishing features as
mentioned by the existing TNM system (proposed by AJCC and UICC), our proposed
method was able to select two of them (size of tumour, metastasis status) as
the top-most ones. This establishes the efficacy of our proposed approach.
- Abstract（参考訳）: 腎臓は人体に不可欠な器官である。
ホメオスタシスを維持し、尿から有害物質を除去する。
腎細胞癌 (rcc) は腎臓がんの最も一般的な形態である。
全腎がんの約90%はRCCによるものである。
最も有害なRCCはクリア細胞腎細胞癌(ccRCC)であり、全RCC症例の約80%を占める。
ccRCCの早期かつ正確な検出は、他の臓器における疾患のさらなる拡散を防ぐために必要である。
本稿では,ccRCCの診断に有効な重要な特徴を明らかにするための詳細な実験を行う。
ccRCCデータセットはThe Cancer Genome Atlas (TCGA)から得られる。
8つの特徴選択法から得られる特徴の順序を考慮した新しい相互情報とアンサンブルに基づく特徴ランキング手法を提案する。
提案手法の性能は,2つの異なる分類器 (ANN, SVM) を用いて総合的な分類精度で評価した。
実験結果から,提案手法は,既存の作業に比べて機能セットの少ないccRCCの異なるステージを分類する上で,高い精度(SVMとNNを用いて96.6\%,98.6\%)を達成できることが示唆された。
また,既存のTNMシステム (AJCCとUICCが提案) で言及されている3つの特徴のうち, 提案手法は2つの特徴(腫瘍の大きさ, 転移状態)を最上位として選択することができた。
これは提案手法の有効性を立証する。
関連論文リスト
- Revisiting Reciprocal Recommender Systems: Metrics, Formulation, and Method [60.364834418531366]
RRSの性能を包括的かつ正確に評価する5つの新しい評価指標を提案する。
因果的観点からRSを定式化し、二元的介入として勧告を定式化する。
提案手法では,結果の一致を最大化する手法を提案する。
論文 参考訳（メタデータ） (2024-08-19T07:21:02Z) - Risk Factor Identification In Osteoporosis Using Unsupervised Machine Learning Techniques [0.0]
電子カルテに新たなクラスタリング法を適用し,骨粗しょう症に関連するリスク因子の信頼性について検討した。
本研究は,クラスタリング,特徴選択,主機能識別という3つのコンポーネントのいずれかに適応可能な反復的クラスタリングフレームワークを含む,新たなClustering Iterations Framework(CLIF)の利用を提案する。
論文 参考訳（メタデータ） (2024-05-24T18:53:28Z) - Recommender Algorithm for Supporting Self-Management of CVD Risk Factors in an Adult Population at Home [0.0]
本稿では,心血管疾患(CVD)の予防効果の改善に焦点をあてる。
成人におけるCVDリスクファクターの自己管理を支援するための知識に基づく推薦アルゴリズムが提案された。
論文 参考訳（メタデータ） (2024-05-20T11:47:19Z) - Leave No Patient Behind: Enhancing Medication Recommendation for Rare Disease Patients [47.68396964741116]
本稿では,レアな疾患の正確性を高めるために,ロバストとメディケーションのための高精度勧告(RAREMed)と呼ばれる新しいモデルを提案する。
入力シーケンスを統一したトランスフォーマーエンコーダを使用して、疾患と手続きコードの間の複雑な関係をキャプチャする。
稀な疾患と一般的な疾患の両方に対して正確な薬物セットを提供し、薬の推奨システムにおける不公平を緩和する。
論文 参考訳（メタデータ） (2024-03-26T14:36:22Z) - An explainable model to support the decision about the therapy protocol
for AML [1.290382979353427]
本稿では、最も適切な治療プロトコルの決定を支援するために、データ分析と説明可能な機械学習モデルを提案する。
以上の結果から,専門家の判断を安全に支援できる可能性が示唆された。
論文 参考訳（メタデータ） (2023-07-05T20:04:13Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z) - Covid-19 risk factors: Statistical learning from German healthcare
claims data [0.0]
我々は、AOK Bayernの請求データを用いた振り返りコホート研究に基づいて、Covid-19の重度、重度、致命的なコースに対する事前のリスク要因を分析した。
方法として,候補因子の事前グループ化と事前選択を回避し,医療分類システムからの詳細な階層情報を利用する。
論文 参考訳（メタデータ） (2021-02-04T15:48:21Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳（メタデータ） (2020-10-30T00:47:01Z) - A standardized framework for risk-based assessment of treatment effect
heterogeneity in observational healthcare databases [60.07352590494571]
本研究の目的は,この手法を標準化されたスケーラブルなフレームワークを用いて観測環境に拡張することであった。
アンジオテンシン変換酵素阻害薬(ACE)とβ阻害薬の3つの効果と6つの安全性に対する効果を評価することにより,我々の枠組みを実証する。
論文 参考訳（メタデータ） (2020-10-13T14:48:31Z)
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。