論文の概要: Discovering the Symptom Patterns of COVID-19 from Recovered and Deceased
Patients Using Apriori Association Rule Mining
- arxiv url: http://arxiv.org/abs/2308.06763v1
- Date: Sun, 13 Aug 2023 13:00:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 15:23:37.397054
- Title: Discovering the Symptom Patterns of COVID-19 from Recovered and Deceased
Patients Using Apriori Association Rule Mining
- Title（参考訳）: アプリオリ・アソシエーション・ルール・マイニング(apriori association rule mining)を用いた回復患者および死亡者からのcovid-19の症状パターンの検出
- Authors: Mohammad Dehghani, Zahra Yazdanparast, Mobin Mohammadi
- Abstract要約: 本稿では、アソシエーションルールマイニングに基づくAprioriアルゴリズムを用いて、新型コロナウイルス患者の症状パターンを発見する。
2875件の患者記録を用いて、最も一般的な症状は無呼吸(72%)、64%(64%)、発熱(59%)、弱気(18%)、筋痛(14.5%)、喉痛(12%)であった。
- 参考スコア（独自算出の注目度）: 0.3013529669049775
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The COVID-19 pandemic has a devastating impact globally, claiming millions of
lives and causing significant social and economic disruptions. In order to
optimize decision-making and allocate limited resources, it is essential to
identify COVID-19 symptoms and determine the severity of each case. Machine
learning algorithms offer a potent tool in the medical field, particularly in
mining clinical datasets for useful information and guiding scientific
decisions. Association rule mining is a machine learning technique for
extracting hidden patterns from data. This paper presents an application of
association rule mining based Apriori algorithm to discover symptom patterns
from COVID-19 patients. The study, using 2875 records of patient, identified
the most common symptoms as apnea (72%), cough (64%), fever (59%), weakness
(18%), myalgia (14.5%), and sore throat (12%). The proposed method provides
clinicians with valuable insight into disease that can assist them in managing
and treating it effectively.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは世界中で壊滅的な影響を及ぼし、数百万人の命が引き起こされ、社会と経済に大きな混乱をもたらした。
意思決定を最適化し、限られた資源を割り当てるためには、新型コロナウイルスの症状を特定し、各症例の重症度を決定することが不可欠である。
機械学習アルゴリズムは、医学分野、特に有用な情報や科学的決定を導くための臨床データセットのマイニングにおいて、強力なツールを提供する。
アソシエーションルールマイニングは、データから隠れたパターンを抽出する機械学習技術である。
本稿では、アソシエーションルールマイニングに基づくAprioriアルゴリズムを用いて、新型コロナウイルス患者の症状パターンを発見する。
2875件の患者記録を用いて、最も一般的な症状は無呼吸(72%)、64%(64%)、発熱(59%)、弱気(18%)、筋痛(14.5%)、喉痛(12%)であった。
提案手法は, 疾患の管理と治療を効果的に支援できる, 臨床医に有用な洞察を与える。
関連論文リスト
- Prognosis of COVID-19 using Artificial Intelligence: A Systematic Review and Meta-analysis [0.23221087157793407]
この研究は、新型コロナウイルスの予後のためのAIの使用に関する論文を同定し、評価し、合成する。
例えば、Siamenseモデル、サポートベクターマシン、ランダムフォレスト、eXtreme Gradient Boosting、畳み込みニューラルネットワークなどである。
その結果, 死亡率71%, 88%, 67%の感度, 重症度評価, 換気の必要性が確認された。
論文 参考訳（メタデータ） (2024-08-01T00:33:32Z) - Bayesian Networks and Machine Learning for COVID-19 Severity Explanation and Demographic Symptom Classification [12.40025057417184]
新型コロナウイルスの隠れた情報を蒸留する3段階のデータ駆動方式を提案する。
第1段階では、バイエルンネットワーク構造学習法を用いて、新型コロナウイルスの症状の因果関係を同定する。
第2段階として、アウトプットは教師なし機械学習(ML)アルゴリズムをトレーニングするための有用なガイドとして機能する。
最終段階は、クラスタリングから得られたラベルを活用して、人口統計学的症状識別モデルをトレーニングする。
論文 参考訳（メタデータ） (2024-06-16T05:43:24Z) - Symptom-based Machine Learning Models for the Early Detection of
COVID-19: A Narrative Review [0.0]
機械学習モデルは、患者の報告した症状、臨床データ、医療画像などを取り入れて、大規模なデータセットを分析することができる。
本稿では、その性能と限界を含む、COVID-19を予測するための症状のみの機械学習モデルの概要について概説する。
また、画像ベースモデルと比較して、症状ベースのモデルの性能についても検討する。
論文 参考訳（メタデータ） (2023-12-08T01:41:42Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳（メタデータ） (2022-04-07T22:14:37Z) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳（メタデータ） (2021-07-12T08:07:56Z) - Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。
この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
論文 参考訳（メタデータ） (2021-05-14T11:59:47Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - 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) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - Automatic Detection of Coronavirus Disease (COVID-19) in X-ray and CT
Images: A Machine Learning-Based Approach [2.488407849738164]
新型コロナウイルスは感染性が高く、臨床的に承認された抗ウイルス薬やワクチンが使用できない病原体である。
現在、カナダでは新型コロナウイルスの初診は推奨されていない。
本研究では,新型コロナウイルスの自動分類のためのディープラーニングに基づく特徴抽出フレームワークの比較を行った。
論文 参考訳（メタデータ） (2020-04-22T15:34:45Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。