Fugu-MT 論文翻訳(概要): A Non-Invasive Interpretable NAFLD Diagnostic Method Combining TCM Tongue Features

論文の概要: A Non-Invasive Interpretable NAFLD Diagnostic Method Combining TCM Tongue Features

arxiv url: http://arxiv.org/abs/2309.02959v3
Date: Wed, 6 Dec 2023 01:48:13 GMT
ステータス: 処理完了
システム内更新日: 2023-12-07 18:27:25.676158
Title: A Non-Invasive Interpretable NAFLD Diagnostic Method Combining TCM Tongue Features
Title（参考訳）: TCM舌の特徴を組み合わせた非侵襲的解釈型NAFLD診断法
Authors: Shan Cao, Qunsheng Ruan, Qingfeng Wu, Weiqiang Lin
Abstract要約: 非アルコール性脂肪肝疾患(非アルコール性脂肪肝疾患、NAFLD)は、肝脂肪症を特徴とする臨床病理学的症候群である。提案手法は,非侵襲的データのみを用いて77.22%の精度を実現する。
参考スコア（独自算出の注目度）: 3.027279434102167
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Non-alcoholic fatty liver disease (NAFLD) is a clinicopathological syndrome characterized by hepatic steatosis resulting from the exclusion of alcohol and other identifiable liver-damaging factors. It has emerged as a leading cause of chronic liver disease worldwide. Currently, the conventional methods for NAFLD detection are expensive and not suitable for users to perform daily diagnostics. To address this issue, this study proposes a non-invasive and interpretable NAFLD diagnostic method, the required user-provided indicators are only Gender, Age, Height, Weight, Waist Circumference, Hip Circumference, and tongue image. This method involves merging patients' physiological indicators with tongue features, which are then input into a fusion network named SelectorNet. SelectorNet combines attention mechanisms with feature selection mechanisms, enabling it to autonomously learn the ability to select important features. The experimental results show that the proposed method achieves an accuracy of 77.22\% using only non-invasive data, and it also provides compelling interpretability matrices. This study contributes to the early diagnosis of NAFLD and the intelligent advancement of TCM tongue diagnosis. The project mentioned in this paper is currently publicly available.
Abstract（参考訳）: 非アルコール性脂肪性肝疾患(Non-Alcoholic fat liver disease,NAFLD)は、アルコールを排除した肝脂肪症を特徴とする臨床病理学的症候群である。世界中で慢性肝疾患の主要な原因となっている。現在,従来のnafld検出手法は高価であり,日常的な診断には適していない。本研究は,非侵襲的かつ解釈可能なnafld診断法を提案する。本研究の目的は,性別,年齢,身長,体重,腰周囲,股関節周囲,舌画像のみである。この方法は、患者の生理的指標と舌の特徴を融合させ、SelectorNetと呼ばれる融合ネットワークに入力する。 selectornetはアテンション機構と特徴選択機構を組み合わせることで、重要な機能を選択する能力を自律的に学習することができる。実験結果から,非侵襲的データのみを用いて77.22\%の精度を達成し,優れた解釈性行列を提供することがわかった。本研究はNAFLDの早期診断とTCM舌診断の知的進歩に寄与する。この論文で言及されたプロジェクトは、現在公開されている。

関連論文リスト

Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文参考訳（メタデータ） (2024-09-11T11:12:26Z)
EndoOOD: Uncertainty-aware Out-of-distribution Detection in Capsule Endoscopy Diagnosis [11.82953216903558]
ワイヤレスカプセル内視鏡(Wireless capsule endoscopy, WCE)は、消化管(GI)の可視化を可能にする非侵襲的診断法である。深層学習に基づく手法は、WCEデータを用いた疾患スクリーニングの有効性を示した。既存のカプセル内視鏡分類法は、主に事前に定義されたカテゴリーに依存している。
論文参考訳（メタデータ） (2024-02-18T06:54:51Z)
Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文参考訳（メタデータ） (2024-02-16T05:16:20Z)
Diagnosis Of Takotsubo Syndrome By Robust Feature Selection From The Complex Latent Space Of DL-based Segmentation Network [4.583480375083946]
医学における分類モデルやセグメンテーションモデルを用いて、潜伏した特徴を学習し、堅牢な特徴選択をオプトアウトし、過度な適合につながる可能性がある。本稿では,診断を支援するセグメンテーションモデルの潜在空間を用いた特徴選択手法を提案する。診断精度82%が従来のSOTA (State-of-the-art) を上回り, 心疾患の鑑別診断に有用であった。
論文参考訳（メタデータ） (2023-12-19T22:53:32Z)
An Explainable Machine Learning Framework for the Accurate Diagnosis of Ovarian Cancer [0.0]
卵巣癌(Ovarian cancer, OC)は、女性において最も多いがんの1つである。女性の大多数は、効果的なバイオマーカーと正確なスクリーニングツールがないため、高度な段階で診断される。本研究は閉経前および閉経後における異なるバイオマーカーを示唆する。
論文参考訳（メタデータ） (2023-12-11T16:52:50Z)
Multi-modal Learning based Prediction for Disease [15.306495902841903]
非アルコール性脂肪肝疾患(NAFLD)は慢性肝疾患の最も一般的な原因であり、進行性線維症や肝硬変を防ぐために正確に予測できる。本稿では,包括的臨床データセット(FLDData)とマルチモーダル学習に基づくNAFLD予測手法(DeepFLD)を組み合わせたNAFLD診断システム(DeepFLDDiag)を提案する。提案されているDeepFLDは、メタデータや顔画像を含むマルチモーダル入力を使用してNAFLDを予測するように設計されたディープニューラルネットワークモデルである。
論文参考訳（メタデータ） (2023-07-19T08:21:01Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。また、TNCD: Thyroid Nodule Classification データセットも提供します。
論文参考訳（メタデータ） (2022-07-02T11:50:02Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
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)
Deep Learning based NAS Score and Fibrosis Stage Prediction from CT and Pathology Data [4.506304887966763]
非アルコール性脂肪肝疾患 (NAFLD) は世界の人口で増加傾向にある。我々はCTデータからNASスコアと線維化ステージを自動的に予測する新しい手法を提案する。また,CTとH&Eの染色病理データから得られる情報を組み合わせてNASスコアと線維症ステージ予測の性能を向上させる手法を提案する。
論文参考訳（メタデータ） (2020-09-22T17:02:31Z)

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。