論文の概要: Fitness Dependent Optimizer with Neural Networks for COVID-19 patients
- arxiv url: http://arxiv.org/abs/2302.02986v1
- Date: Fri, 6 Jan 2023 07:05:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-12 13:04:44.735295
- Title: Fitness Dependent Optimizer with Neural Networks for COVID-19 patients
- Title(参考訳): ニューラルネットワークを用いたcovid-19患者のフィットネス依存型オプティマイザ
- Authors: Maryam T. Abdulkhaleq, Tarik A. Rashid, Bryar A. Hassan, Abeer
Alsadoon, Nebojsa Bacanin, Amit Chhabra, S. Vimal
- Abstract要約: 新型コロナウイルス(COVID-19)として知られるコロナウイルスは、世界の健康に大きな影響を与え、世界中の医療機関にとって大きな負担となっている。
本研究は、テキスト臨床データに基づいて、疾患に感染する可能性を診断し、示すことを目的としている。
- 参考スコア(独自算出の注目度): 12.533206126851658
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The Coronavirus, known as COVID-19, which appeared in 2019 in China, has
significantly affected global health and become a huge burden on health
institutions all over the world. These effects are continuing today. One
strategy for limiting the virus's transmission is to have an early diagnosis of
suspected cases and take appropriate measures before the disease spreads
further. This work aims to diagnose and show the probability of getting
infected by the disease according to textual clinical data. In this work, we
used five machine learning techniques (GWO_MLP, GWO_CMLP, MGWO_MLP, FDO_MLP,
FDO_CMLP) all of which aim to classify Covid-19 patients into two categories
(Positive and Negative). Experiments showed promising results for all used
models. The applied methods showed very similar performance, typically in terms
of accuracy. However, in each tested dataset, FDO_MLP and FDO_CMLP produced the
best results with 100% accuracy. The other models' results varied from one
experiment to the other. It is concluded that the models on which the FDO
algorithm was used as a learning algorithm had the possibility of obtaining
higher accuracy. However, it is found that FDO has the longest runtime compared
to the other algorithms. The link to the covid 19 models is found here:
https://github.com/Tarik4Rashid4/covid19models
- Abstract(参考訳): 2019年に中国で発生した新型コロナウイルス(COVID-19)は、世界の健康に大きな影響を与え、世界中の医療機関に多大な負担を与えている。
これらの効果は今日も続いている。
ウイルスの感染を制限する一つの戦略は、疑わしい症例を早期に診断し、病気がさらに拡大する前に適切な対策を講じることである。
本研究は, 文献的臨床データに基づき, 感染の可能性を診断し, 明らかにすることを目的としている。
本研究では,5つの機械学習技術(GWO_MLP,GWO_CMLP,MGWO_MLP,FDO_MLP,FDO_CMLP)を用いて,Covid-19患者を2つのカテゴリに分類した。
実験はすべての使用モデルに有望な結果をもたらした。
適用された手法は、通常精度の点で非常によく似た性能を示した。
しかし、各テストデータセットにおいて、FDO_MLPとFDO_CMLPは100%精度で最良の結果を得た。
他のモデルの結果は、ある実験から別の実験へと変化した。
その結果,FDOアルゴリズムを学習アルゴリズムとして用いたモデルは,高い精度が得られる可能性が示唆された。
しかし、FDOは他のアルゴリズムと比較して最長のランタイムを持つことがわかった。
covid 19モデルへのリンクはこちら。 https://github.com/tarik4rashid4/covid19models
関連論文リスト
- 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) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳(メタデータ) (2023-09-13T10:40:41Z) - Monkeypox virus detection using pre-trained deep learning-based
approaches [1.713291434132985]
世界中の新型コロナウイルス感染症(COVID-19)の減少に伴い、サルポックスウイルスは徐々に出現している。
広く普及する前に早期に発見することが重要である。
本稿では,モンキーポックスウイルス検出のための13種類の事前学習深層学習モデルを比較することを目的とする。
論文 参考訳(メタデータ) (2022-09-06T23:17:34Z) - Deep Transformer Model with Pre-Layer Normalization for COVID-19 Growth
Prediction [2.191505742658975]
新型コロナウイルスはSARS-CoV-2ウイルスによって引き起こされる感染症である。
COVID-19患者の増加は、Deep Neural Network(DNN)など、いくつかのアプローチで予測できる。
論文 参考訳(メタデータ) (2022-07-10T03:48:45Z) - PCA-RF: An Efficient Parkinson's Disease Prediction Model based on
Random Forest Classification [3.6704226968275258]
本稿では,パーキンソン病に対する無作為な森林分類を行う病気予測手法を提案する。
このモデルの精度を主成分分析 (PCA) に適用したニューラルネットワーク (ANN) モデルと比較し, 可視差を捉えた。
モデルの精度は最大90%まで向上した。
論文 参考訳(メタデータ) (2022-03-21T18:59:08Z) - The Severity Prediction of The Binary And Multi-Class Cardiovascular
Disease -- A Machine Learning-Based Fusion Approach [0.0]
近年、CVD(心臓血管疾患)が世界中で死因となっている。
本研究はCVDの重症度とともに診断するためにいくつかの融合モデルを構築したものである。
マルチクラス分類の精度が最も高かったのは75%であり,2進法では95%であった。
論文 参考訳(メタデータ) (2022-03-09T18:06:24Z) - Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
大腸ポリープの発達は、がんの最も初期の兆候の1つである。
ポリープの早期検出と切除は生存率を90%に大きく向上させる。
大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
論文 参考訳(メタデータ) (2021-10-17T09:31:20Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳(メタデータ) (2021-09-18T02:28:01Z) - DPN-SENet:A self-attention mechanism neural network for detection and
diagnosis of COVID-19 from chest x-ray images [16.010171071102416]
新型コロナウイルス(COVID-19)とも呼ばれる新型ウイルスは、2019年末に流行し、今では世界中に広まっている。
本稿では,放射線科医や臨床医が胸部X線を用いて新型コロナウイルスの診断に役立てる深層学習モデルを提案する。
論文 参考訳(メタデータ) (2021-05-20T11:50:52Z) - Deep learning-based COVID-19 pneumonia classification using chest CT
images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。
我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。
複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文 参考訳(メタデータ) (2021-02-18T21:14:52Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳(メタデータ) (2020-09-22T11:53:06Z)
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。