Fugu-MT 論文翻訳(概要): Fractional dynamics foster deep learning of COPD stage prediction

論文の概要: Fractional dynamics foster deep learning of COPD stage prediction

arxiv url: http://arxiv.org/abs/2303.07537v1
Date: Mon, 13 Mar 2023 23:47:46 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 17:03:46.408250
Title: Fractional dynamics foster deep learning of COPD stage prediction
Title（参考訳）: COPDステージ予測の深層学習を促進するフラクショナルダイナミクス
Authors: Chenzhong Yin, Mihai Udrescu, Gaurav Gupta, Mingxi Cheng, Andrei Lihu, Lucretia Udrescu, Paul Bogdan, David M Mannino, and Stefan Mihaicuta
Abstract要約: 慢性閉塞性肺疾患(COPD)は世界中の死因の1つである。現在のCOPD診断(spirometry)は、テストがテスタとテスタの適切な努力に依存しているため、信頼性が低い可能性がある。 2つの新しい生理的信号データセットを構築し, COPD検出に対処する。
参考スコア（独自算出の注目度）: 2.6414930652238535
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Chronic obstructive pulmonary disease (COPD) is one of the leading causes of death worldwide. Current COPD diagnosis (i.e., spirometry) could be unreliable because the test depends on an adequate effort from the tester and testee. Moreover, the early diagnosis of COPD is challenging. We address COPD detection by constructing two novel physiological signals datasets (4432 records from 54 patients in the WestRo COPD dataset and 13824 medical records from 534 patients in the WestRo Porti COPD dataset). The authors demonstrate their complex coupled fractal dynamical characteristics and perform a fractional-order dynamics deep learning analysis to diagnose COPD. The authors found that the fractional-order dynamical modeling can extract distinguishing signatures from the physiological signals across patients with all COPD stages from stage 0 (healthy) to stage 4 (very severe). They use the fractional signatures to develop and train a deep neural network that predicts COPD stages based on the input features (such as thorax breathing effort, respiratory rate, or oxygen saturation). The authors show that the fractional dynamic deep learning model (FDDLM) achieves a COPD prediction accuracy of 98.66% and can serve as a robust alternative to spirometry. The FDDLM also has high accuracy when validated on a dataset with different physiological signals.
Abstract（参考訳）: 慢性閉塞性肺疾患(COPD)は世界中の死因の1つである。現在のCOPD診断(spirometry)は、テストがテスタとテスタの適切な努力に依存しているため、信頼性が低い可能性がある。また,copdの早期診断は困難である。 2つの新しい生理的信号データセット(WestRo COPDデータセット54例の4432記録とWestRo Porti COPDデータセット534例の13824の医療記録)を構築して、PD検出に対処する。筆者らは複雑な結合フラクタル力学特性を示し, COPD を診断するために分数次動的深層学習解析を行う。著者らは, COPD のすべての段階 (健康) から第4段階 (非常に重篤) の患者の生理的信号から, 分数次力学モデルを用いて特徴を抽出できることを発見した。入力特徴(胸郭呼吸、呼吸速度、酸素飽和など)に基づいて COPD ステージを予測するディープニューラルネットワークを開発し、訓練するために、分数的なシグネチャを使用する。著者らは、分数的動的深層学習モデル (FDDLM) が COPD 予測精度98.66% を達成し、スピロメトリの頑健な代替品として機能することを示した。 FDDLMはまた、異なる生理的信号を持つデータセット上で検証された際の精度も高い。

関連論文リスト

FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
論文参考訳（メタデータ） (2024-10-28T02:24:01Z)
Prediction of COPD Using Machine Learning, Clinical Summary Notes, and Vital Signs [0.0]
慢性閉塞性肺疾患(慢性閉塞性肺疾患、COPD)は、慢性の炎症性肺疾患である。本稿では,AI と自然言語処理 (NLP) を用いて COPD の悪化を予測する2つの予測モデルを提案する。我々は, COPD増悪の検出と予測において, 受信器動作特性(ROC)曲線0.82の領域を達成した。
論文参考訳（メタデータ） (2024-08-25T23:41:39Z)
An Efficient and Robust Method for Chest X-Ray Rib Suppression that Improves Pulmonary Abnormality Diagnosis [0.49998148477760956]
胸部X線(CXR)に対する胸部骨陰影の抑制は肺疾患の診断を改善することが示唆された。従来のアプローチは、教師なしの物理的および教師なしのディープラーニングモデルに分類される。本研究では,(1)空間変換勾配場における物理モデルによる最小化によりGT骨影を除去した2段階のトレーニングペアの生成について,一般化可能かつ効率的なワークフローを提案する。 2) 受信したCXRの高速リブ除去のために,ステージ1データセット上でのネットワークトレーニングをフル教師する。
論文参考訳（メタデータ） (2023-02-19T23:47:02Z)
Machine learning for nocturnal diagnosis of chronic obstructive pulmonary disease using digital oximetry biomarkers [0.0]
COPDは死亡率、死亡率、医療費の主な源である。夜間オキシメトリー時系列による COPD 診断の可能性について検討した研究はない。 44のオキシメトリデジタルバイオマーカーと5つの人口動態を用いた夜間 COPD 診断の新しいアプローチを提案する。
論文参考訳（メタデータ） (2020-12-10T07:33:59Z)
Development and Characterization of a Chest CT Atlas [5.770017830153421]
肺がん検診プログラムの低用量CTデータベース上に構築した胸部腺腫について検討した。空間マッピングを実現するため,胸腔全体に対して多段階間非剛性登録パイプラインを最適化する。異なる解剖学的表現型に対する識別能力の観点から, 開発したアトラスの応用妥当性を評価した。
論文参考訳（メタデータ） (2020-12-05T21:20:57Z)
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)
Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文参考訳（メタデータ） (2020-07-20T19:08:50Z)
Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文参考訳（メタデータ） (2020-05-07T12:16:37Z)
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)
Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文参考訳（メタデータ） (2020-01-08T15:47:08Z)
COPD Classification in CT Images Using a 3D Convolutional Neural Network [10.217631381481457]
慢性閉塞性肺疾患(英: chronic obstructive lung disease, COPD)は、完全に可逆性ではない肺疾患である。ボリュームワイドアノテーションのみを用いて, COPDと気腫を分類する3次元深層学習手法を提案する。また,事前に訓練したCOPD分類モデルからの知識伝達を用いた気腫分類における移動学習の効果を実証した。
論文参考訳（メタデータ） (2020-01-04T16:58:45Z)

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。