論文の概要: Heart Diseases Prediction Using Block-chain and Machine Learning
- arxiv url: http://arxiv.org/abs/2306.01817v1
- Date: Fri, 2 Jun 2023 11:46:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 00:01:23.689059
- Title: Heart Diseases Prediction Using Block-chain and Machine Learning
- Title(参考訳): ブロックチェーンと機械学習による心疾患予測
- Authors: Muhammad Shoaib Farooq, Kiran Amjad
- Abstract要約: データストレージと送信のセキュアな方法を提供する医療部門のために開発されたインフラはありません。
患者のデータに冗長性があるため、心臓専門医が早期に疾患を予知することは困難である。
この心臓病による死亡率の急激な増加は、早期のいくつかの重要な属性の監視と除去によって制御できる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most people around the globe are dying due to heart disease. The main reason
behind the rapid increase in the death rate due to heart disease is that there
is no infrastructure developed for the healthcare department that can provide a
secure way of data storage and transmission. Due to redundancy in the patient
data, it is difficult for cardiac Professionals to predict the disease early
on. This rapid increase in the death rate due to heart disease can be
controlled by monitoring and eliminating some of the key attributes in the
early stages such as blood pressure, cholesterol level, body weight, and
addiction to smoking. Patient data can be monitored by cardiac Professionals
(Cp) by using the advanced framework in the healthcare departments. Blockchain
is the world's most reliable provider. The use of advanced systems in the
healthcare departments providing new ways of dealing with diseases has been
developed as well. In this article Machine Learning (ML) algorithm known as a
sine-cosine weighted k-nearest neighbor (SCA-WKNN) is used for predicting the
Hearth disease with the maximum accuracy among the existing approaches.
Blockchain technology has been used in the research to secure the data
throughout the session and can give more accurate results using this
technology. The performance of the system can be improved by using this
algorithm and the dataset proposed has been improved by using different
resources as well.
- Abstract(参考訳): 世界中のほとんどの人が心臓病で死んでいる。
心臓病による死亡率の急上昇の背景にある主な理由は、医療部門のために開発された、安全なデータ保存と送信の手段を提供するインフラストラクチャがないことである。
患者のデータに冗長性があるため、心臓専門医が早期に疾患を予測することは困難である。
この心臓疾患による死亡率の急速な増加は、血圧、コレステロール値、体重、喫煙中毒などの初期の重要な要因をモニターして排除することで制御することができる。
患者データは、医療部門における高度な枠組みを用いて、心臓専門家(Cp)によって監視することができる。
ブロックチェーンは世界で最も信頼性の高いプロバイダです。
医療部門における先進的なシステムの利用も, 新たな治療方法として開発されている。
本稿では,既存のアプローチで最大精度でHearth病を予測するために,Sine-cosine weighted k-nearest neighbor (SCA-WKNN)と呼ばれる機械学習アルゴリズムを用いる。
ブロックチェーン技術は、セッションを通してデータをセキュアにするために研究に使われており、この技術を使ってより正確な結果を提供できる。
このアルゴリズムを用いてシステムの性能を向上させることができ、提案したデータセットも異なるリソースを用いて改善されている。
関連論文リスト
- Health-LLM: Personalized Retrieval-Augmented Disease Prediction System [39.91972699991518]
本稿では,大規模特徴抽出と医療知識トレードオフスコアリングを組み合わせたHeath-LLMという革新的なフレームワークを提案する。
本システムでは,医療報告を大規模モデルに統合し,詳細なタスク情報を提供する。
第2に、専門的な医療専門知識は、健康特性の重み付けスコアを調整するために使用される。
第3に,言語モデルの分析能力を高めるために,半自動特徴抽出フレームワークを用いる。
論文 参考訳(メタデータ) (2024-02-01T16:40:32Z) - Ensemble Framework for Cardiovascular Disease Prediction [0.0]
心臓病は、世界中でコミュニケーション不能で無音な死の主な原因である。
我々は,ExtraTrees,Random Forest,XGBoostなど,複数の機械学習アルゴリズムを用いたアンサンブルを組み込んだフレームワークを提案している。
提案手法は,既存の文献よりも高い92.34%の精度を実現した。
論文 参考訳(メタデータ) (2023-06-16T17:37:43Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - An Improved Heart Disease Prediction Using Stacked Ensemble Method [0.9187159782788579]
機械学習を用いた心疾患予測システムを構築した。
心臓疾患のある人と正常な人とを簡単に区別することができる。
論文 参考訳(メタデータ) (2023-04-12T17:53:59Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳(メタデータ) (2022-03-24T02:09:41Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳(メタデータ) (2022-02-08T10:03:24Z) - Machine Learning and Ensemble Approach Onto Predicting Heart Disease [0.0]
心臓血管疾患(英: Cardiovascular disease, CVD)は、心臓疾患ともいわれ、ここ数十年でヒトの死因として徐々に成長してきた疾患である。
本稿では,ロジスティック回帰,近縁近傍,サポートベクトルマシン,決定木,ガウスのナイーブベイズ,ランダムフォレスト,多層知覚論(人工ニューラルネットワーク)などの分類モデルの訓練に提供されるデータを活用する。
論文 参考訳(メタデータ) (2021-11-16T18:00:22Z) - Novel Deep Learning Architecture for Heart Disease Prediction using
Convolutional Neural Network [0.0]
心臓病は、世界中の多くの人々の生活を妨げる最も致命的な病気の1つである。
本稿では,健康な人と非健康な人の分類に1次元畳み込みニューラルネットワークを用いた新しいディープラーニングアーキテクチャを提案する。
提案するネットワークは、データセット上で97%以上のトレーニング精度と96%のテスト精度を達成する。
論文 参考訳(メタデータ) (2021-05-22T22:00:57Z) - A Supervised Learning Approach for Robust Health Monitoring using Face
Videos [32.157163136267954]
非接触型非接触型人体検知法は、特殊な心臓および血圧モニタリング装置の必要性をなくすことができる。
本稿では,市販のウェブカメラで撮影する顔ビデオのみを必要とする非接触方式を用いた。
提案手法では,顔のランドマークを用いて映像の各フレームの顔を検出する。
論文 参考訳(メタデータ) (2021-01-30T22:03:16Z) - An IoT Framework for Heart Disease Prediction based on MDCNN Classifier [0.0]
IoTフレームワークは、Deep Modified Convolutional Neural Network(MDCNN)を用いて心臓病をより正確に評価する。
患者に取り付けられたスマートウォッチと心臓モニター装置は、血圧と心電図(ECG)を監視します。
その結果, MDCNN を用いた心疾患予測システムは, 他の方法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-10T22:00:56Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳(メタデータ) (2020-10-29T19:14:41Z)
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。