論文の概要: A Machine Learning Approach to Detect Dehydration in Afghan Children
- arxiv url: http://arxiv.org/abs/2305.13275v1
- Date: Mon, 22 May 2023 17:36:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 13:48:57.480189
- Title: A Machine Learning Approach to Detect Dehydration in Afghan Children
- Title（参考訳）: アフガニスタンの幼児の脱水症状検出のための機械学習アプローチ
- Authors: Ziaullah Momand, Debajyoti Pal, Pornchai Mongkolnam, Jonathan H. Chan
- Abstract要約: アフガニスタンでは、脱水症により重度の低酸素症が子供の死亡に寄与する。
アフガニスタンの5歳未満の子どもの脱水症状の診断における機械学習技術の可能性を探る研究の証拠はない。
本研究は,アフガニスタン・デモグラフィック・アンド・ヘルス・サーベイ(ADHS)から得られた病気児のデータセットを用いた予測モデルを開発した。
- 参考スコア（独自算出の注目度）: 0.3149883354098941
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Child dehydration is a significant health concern, especially among children
under 5 years of age who are more susceptible to diarrhea and vomiting. In
Afghanistan, severe diarrhea contributes to child mortality due to dehydration.
However, there is no evidence of research exploring the potential of machine
learning techniques in diagnosing dehydration in Afghan children under five. To
fill this gap, this study leveraged various classifiers such as Random Forest,
Multilayer Perceptron, Support Vector Machine, J48, and Logistic Regression to
develop a predictive model using a dataset of sick children retrieved from the
Afghanistan Demographic and Health Survey (ADHS). The primary objective was to
determine the dehydration status of children under 5 years. Among all the
classifiers, Random Forest proved to be the most effective, achieving an
accuracy of 91.46%, precision of 91%, and AUC of 94%. This model can
potentially assist healthcare professionals in promptly and accurately
identifying dehydration in under five children, leading to timely
interventions, and reducing the risk of severe health complications. Our study
demonstrates the potential of machine learning techniques in improving the
early diagnosis of dehydration in Afghan children.
- Abstract（参考訳）: 乳児の脱水は、特に5歳未満の小児において、下気や吐き気に敏感である場合、重要な健康上の問題である。
アフガニスタンでは、脱水症により重度の下水が子供の死亡に寄与する。
しかし、アフガニスタンの5歳未満の子供の脱水診断における機械学習技術の可能性を探求する研究の証拠はない。
このギャップを埋めるため,本研究では,ランダムフォレスト,多層パーセプトロン,サポートベクタマシン,j48,ロジスティック回帰などの分類器を用いて,アフガニスタン人口統計調査(adhs)から得られた病児のデータセットを用いた予測モデルを開発した。
主な目的は5歳未満の子どもの脱水状態を決定することであった。
分類ではランダムフォレストが最も有効であることが判明し、精度は91.46%、精度は91%、AUCは94%となった。
このモデルは、5人未満の子どもの脱水症状を迅速かつ正確に同定し、時間的に介入し、重度の健康合併症のリスクを減らすことができる。
本研究は,アフガニスタンの幼児の脱水症状の早期診断を改善するための機械学習技術の可能性を示すものである。
関連論文リスト
- Case-based reasoning approach for diagnostic screening of children with developmental delays [2.5388345537743056]
年間7500件(発生遅延が疑われる)の疑わしい症例が中国安芸省白兵衛で発生していると推定されている。
発達遅滞児の介入の最適期間は6歳未満であることが国際研究で示されている。
本研究では,CNN-Transformerモデルとケースベース推論(CBR)を組み合わせたハイブリッドモデルを用いて,発達遅滞児のスクリーニング効率を向上させる。
論文 参考訳（メタデータ） (2024-07-18T04:28:52Z) - Potion: Towards Poison Unlearning [47.00450933765504]
悪意あるアクターによる機械学習システムに対する敵対的攻撃は重大なリスクをもたらす。
このような攻撃を解決する上での課題は、実際に有毒データのサブセットのみを特定できる場合である。
我々の研究は、有毒未学習の最先端を推し進めるための2つの重要な課題に対処する。
論文 参考訳（メタデータ） (2024-06-13T14:35:11Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - The Validity of a Machine Learning-Based Video Game in the Objective
Screening of Attention Deficit Hyperactivity Disorder in Children Aged 5 to
12 Years [2.5509157399370554]
本研究は,本疾患のコア症状を客観的に測定し,ADHDスクリーニングのためのビデオゲーム(FishFinder)を検証することを目的とした。
5歳から12歳までの健常児26名を対象に実験を行った。
このシステムは92.3%の精度、90%の感度、93.7%の特異性を示した。
論文 参考訳（メタデータ） (2023-12-19T03:48:39Z) - Scalable Machine Learning Architecture for Neonatal Seizure Detection on
Ultra-Edge Devices [0.0]
本研究では,機械学習(ML)に基づくアーキテクチャを提案する。
本研究で選択した標準MLモデルよりも6%高い87%の感度を達成した。
論文 参考訳（メタデータ） (2021-11-29T12:42:13Z) - Deep Learning for EEG Seizure Detection in Preterm Infants [1.3002050979054345]
本稿では,乳幼児の新生児発作検出のための新しい深層学習(DL)アーキテクチャについて検討する。
本研究は, 早期乳児を対象とした脳波発作検出アルゴリズムの精度が, 完全長期乳児に対して達成される性能にかなり劣っていることを示すものである。
論文 参考訳（メタデータ） (2021-05-28T14:03:56Z) - Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology [62.997667081978825]
資金不足、資格のある専門家の欠如、そして修正方法に対する信頼度の低いことが、AMDのリアルタイム診断に影響を及ぼす主要な問題である。
我々のチームは、子どもの視線活動の情報に基づいて、ALDの確率を予測するアルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-08-21T20:22:55Z) - A Smartphone-based System for Real-time Early Childhood Caries Diagnosis [76.71303610807156]
6歳未満の小児では, 乳児期チャイナリー (ECC) が最も多いが, 予防可能な慢性疾患である。
本研究では,キャビティ検出のための多段階深層学習システムを提案する。
我々は、ディープラーニングシステムを、早期からECCを診断し、トレーニングされていないユーザにリアルタイムな結果を提供する、使い易いモバイルアプリケーションに統合する。
論文 参考訳（メタデータ） (2020-08-17T21:11:19Z) - Grading the severity of hypoxic-ischemic encephalopathy in newborn EEG
using a convolutional neural network [3.2498534294827044]
本研究では、深層畳み込みニューラルネットワークを用いて、生の脳波データ内の階層的表現を学習する、新しいエンドツーエンドアーキテクチャを提案する。
本システムは低酸素性虚血性脳症を4段階に分類し,54人の新生児から63時間の多チャンネル脳波データセットを用いて評価した。
論文 参考訳（メタデータ） (2020-05-12T05:58:27Z) - 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) - Child Face Age-Progression via Deep Feature Aging [47.74474569938014]
本稿では,顔マーカによって出力される深層顔の特徴を経時変化させる機能老化モジュールを提案する。
提案手法は、ランク1の識別率95.91%で最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2020-03-17T23:03:46Z)
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。