論文の概要: MAFUS: a Framework to predict mortality risk in MAFLD subjects

• arxiv url: http://arxiv.org/abs/2301.06908v1
• Date: Tue, 17 Jan 2023 14:19:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 14:02:26.133767
• Title: MAFUS: a Framework to predict mortality risk in MAFLD subjects
• Title（参考訳）: mafus:mafld患者の死亡リスクを予測するフレームワーク
• Authors: Domenico Lof\`u, Paolo Sorino, Tommaso Colafiglio, Caterina Bonfiglio, Fedelucio Narducci, Tommaso Di Noia and Eugenio Di Sciascio
• Abstract要約: 本稿では,代謝関連脂肪肝疾患(MAFLD)患者の死亡を予測できる人工知能ベースの枠組みを提案する。 このフレームワークは、機械学習(ML)アルゴリズムに基づいた、さまざまな人為的および生化学的ソースのデータを使用する。
• 参考スコア（独自算出の注目度）: 7.418913276983601
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Metabolic (dysfunction) associated fatty liver disease (MAFLD) establishes new criteria for diagnosing fatty liver disease independent of alcohol consumption and concurrent viral hepatitis infection. However, the long-term outcome of MAFLD subjects is sparse. Few articles are focused on mortality in MAFLD subjects, and none investigate how to predict a fatal outcome. In this paper, we propose an artificial intelligence-based framework named MAFUS that physicians can use for predicting mortality in MAFLD subjects. The framework uses data from various anthropometric and biochemical sources based on Machine Learning (ML) algorithms. The framework has been tested on a state-of-the-art dataset on which five ML algorithms are trained. Support Vector Machines resulted in being the best model. Furthermore, an Explainable Artificial Intelligence (XAI) analysis has been performed to understand the SVM diagnostic reasoning and the contribution of each feature to the prediction. The MAFUS framework is easy to apply, and the required parameters are readily available in the dataset.
• Abstract（参考訳）: メタボリック(機能不全)関連脂肪肝疾患(MAFLD)は、アルコール摂取とウイルス性肝炎の同時感染とは無関係に脂肪肝疾患を診断するための新しい基準を確立する。 しかし,MAFLD患者の長期成績は低い。 MAFLD患者の死亡率に注目する記事はほとんどなく、致命的な結果を予測する方法については調査されていない。 本稿では,医師がMAFLD患者の死亡を予測できる,MAFUSという人工知能ベースのフレームワークを提案する。 このフレームワークは、機械学習(ml)アルゴリズムに基づいた、さまざまな人類計測および生化学ソースのデータを使用する。 このフレームワークは、5つのMLアルゴリズムがトレーニングされた最先端のデータセットでテストされている。 サポートベクターマシンは、最良のモデルになった。 さらに、SVMの診断推論と各特徴の予測への寄与を理解するために、説明可能な人工知能(XAI)分析が行われた。 MAFUSフレームワークは簡単に適用でき、必要なパラメータはデータセットで簡単に利用できる。

関連論文リスト

• Reasoning-Enhanced Healthcare Predictions with Knowledge Graph Community Retrieval [61.70489848327436]
  KAREは、知識グラフ(KG)コミュニティレベルの検索と大規模言語モデル(LLM)推論を統合する新しいフレームワークである。 MIMIC-IIIでは最大10.8～15.0%、MIMIC-IVでは12.6～12.7%である。
  論文  参考訳（メタデータ） (2024-10-06T18:46:28Z)
• Interpretable Machine Learning for Survival Analysis [3.618561939712435]
  解釈可能な機械学習(IML)や説明可能な人工知能(XAI)はこの10年でますます重要になっている。 簡単に利用できるIML手法の欠如は、公衆衛生における医療実践者や政策立案者が機械学習の潜在能力を最大限に活用することを妨げる可能性がある。 一般のIML分類学の文脈における生存分析のためのIML法に関する限られた既存の研究成果について概説する。
  論文  参考訳（メタデータ） (2024-03-15T12:38:00Z)
• XAI for In-hospital Mortality Prediction via Multimodal ICU Data [57.73357047856416]
  マルチモーダルICUデータを用いて病院内死亡率を予測するための,効率的で説明可能なAIソリューションを提案する。 我々は,臨床データから異種入力を受信し,意思決定を行うマルチモーダル・ラーニングを我々のフレームワークに導入する。 我々の枠組みは、医療研究において重要な要素の発見を容易にする他の臨床課題に容易に移行することができる。
  論文  参考訳（メタデータ） (2023-12-29T14:28:04Z)
• Liver Tumor Prediction with Advanced Attention Mechanisms Integrated into a Depth-Based Variant Search Algorithm [0.0]
  本稿では,畳み込みニューラルネットワーク(CNN)と深度に基づく変種探索アルゴリズムを用いた肝腫瘍の予測手法を提案する。 良性および悪性の肝腫瘍を含むCTスキャンデータセットを用いて,本モデルの評価を行った。 提案システムは、肝腫瘍の予測において95.5%の精度を達成し、他の最先端の方法よりも優れていた。
  論文  参考訳（メタデータ） (2023-11-20T03:51:39Z)
• Multi-modal Learning based Prediction for Disease [15.306495902841903]
  非アルコール性脂肪肝疾患(NAFLD)は慢性肝疾患の最も一般的な原因であり、進行性線維症や肝硬変を防ぐために正確に予測できる。 本稿では,包括的臨床データセット(FLDData)とマルチモーダル学習に基づくNAFLD予測手法(DeepFLD)を組み合わせたNAFLD診断システム(DeepFLDDiag)を提案する。 提案されているDeepFLDは、メタデータや顔画像を含むマルチモーダル入力を使用してNAFLDを予測するように設計されたディープニューラルネットワークモデルである。
  論文  参考訳（メタデータ） (2023-07-19T08:21:01Z)
• Interpretable Medical Diagnostics with Structured Data Extraction by Large Language Models [59.89454513692417]
  タブラルデータはしばしばテキストに隠され、特に医学的診断報告に使用される。 本稿では,TEMED-LLM と呼ばれるテキスト医療報告から構造化表状データを抽出する手法を提案する。 本手法は,医学診断における最先端のテキスト分類モデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-08T09:12:28Z)
• Multi-Task Learning for Post-transplant Cause of Death Analysis: A Case Study on Liver Transplant [65.85767739748901]
  移植後の死因は、臨床的意思決定の強力なツールである。 Model for End-stage Liver Disease (MELD) スコアや従来の機械学習 (ML) メソッドのような従来の手法は、CoD 解析において限られている。 我々は,多タスク学習を利用したCoD-MTLと呼ばれる新しいフレームワークを提案し,様々なCoD予測タスク間の意味関係をモデル化する。
  論文  参考訳（メタデータ） (2023-03-30T01:31:49Z)
• Intelligent diagnostic scheme for lung cancer screening with Raman spectra data by tensor network machine learning [10.813777115744362]
  呼気中の揮発性有機化合物(VOC)のラマンスペクトルデータをスクリーニングすることにより,肺がん患者とそのステージを確実に予測するテンソルネットワーク(TN)-ML法を提案する。 高い確実性を持つサンプルの精度はほぼ100$%$である。
  論文  参考訳（メタデータ） (2023-03-11T07:57:37Z)
• Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
  肝移植は肝疾患に対して必要不可欠な治療法である。 機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。 本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:24:58Z)
• Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
  我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。 シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T19:16:56Z)
• Survival Prediction of Heart Failure Patients using Stacked Ensemble Machine Learning Algorithm [0.0]
  心不全は、我々の時代における主要な健康上の危険問題の1つであり、世界中の死因の1つです。 データマイニングは、医療機関が生成した大量の生データを意味のある情報に変換するプロセスである。 本研究は, 心不全後の生存可能性を予測するためには, 患者から採取した特定の属性のみが必須であることが示唆された。
  論文  参考訳（メタデータ） (2021-08-30T16:42:27Z)

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。