論文の概要: Deep Learning for Polycystic Kidney Disease: Utilizing Neural Networks
for Accurate and Early Detection through Gene Expression Analysis
- arxiv url: http://arxiv.org/abs/2309.03033v2
- Date: Sat, 23 Sep 2023 19:45:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 01:01:00.696030
- Title: Deep Learning for Polycystic Kidney Disease: Utilizing Neural Networks
for Accurate and Early Detection through Gene Expression Analysis
- Title（参考訳）: 多嚢胞性腎臓病の深層学習 : ニューラルネットワークを用いた遺伝子発現解析による精度と早期検出
- Authors: Kapil Panda, Anirudh Mazumder
- Abstract要約: 多嚢胞性腎臓病 (Polycystic Kidney Disease, PKD) は腎臓の嚢胞形成による致命的な合併症を引き起こす可能性がある。
本研究では,遺伝子解析による早期疾患検出にディープラーニングを用いたアプローチを活用することを目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With Polycystic Kidney Disease (PKD) potentially leading to fatal
complications in patients due to the formation of cysts in kidneys, early
detection of PKD is crucial for effective management of the condition. However,
the various patient-specific factors that play a role in the diagnosis make it
an intricate puzzle for clinicians to solve, leading to possible kidney
failure. Therefore, in this study we aim to utilize a deep learning-based
approach for early disease detection through gene expression analysis. The
devised neural network is able to achieve accurate and robust prediction
results for possible PKD in kidneys, thereby improving patient outcomes.
Furthermore, by conducting a gene ontology analysis, we were able to predict
the top gene processes and functions that PKD may affect.
- Abstract（参考訳）: 多嚢胞性腎疾患(PKD)は腎臓の嚢胞形成による致命的な合併症を引き起こす可能性があるため、早期にPKDが検出されることが疾患の効果的な管理に重要である。
しかし、診断に重要な役割を果たしている様々な患者固有の要因は、臨床医が解決すべき複雑なパズルとなり、腎不全につながる可能性がある。
そこで本研究では,遺伝子解析による早期疾患検出のための深層学習アプローチを提案する。
考案されたニューラルネットワークは、腎臓におけるPKDの正確な、堅牢な予測結果を達成することができ、患者の結果を改善することができる。
さらに、遺伝子オントロジー解析を行うことにより、pkdが影響を及ぼす可能性のある最上位の遺伝子過程と機能を予測することができた。
関連論文リスト
- Integrated Machine Learning and Survival Analysis Modeling for Enhanced Chronic Kidney Disease Risk Stratification [0.0]
慢性腎疾患(CKD)は公衆衛生上の重要な課題であり、早期に発見・管理されていない場合、しばしばエンドステージ腎疾患(ESRD)へと進行する。
本稿では,機械学習技術と古典統計モデルを組み合わせて,CKDの進行をモデル化する手法を提案する。
論文 参考訳（メタデータ） (2024-11-16T09:22:06Z) - An Explainable AI Model for Predicting the Recurrence of Differentiated Thyroid Cancer [0.0]
本研究は,甲状腺癌の再発を予測するために,機械学習,特にディープラーニングモデルを用いている。
患者の臨床病理学的特徴を含むデータセットを解析することにより、トレーニング中の98%、テスト中の96%の顕著な精度を達成できた。
論文 参考訳（メタデータ） (2024-10-13T23:12:33Z) - Effect of Clinical History on Predictive Model Performance for Renal Complications of Diabetes [1.4330510916280879]
糖尿病は糖尿病性腎症の発症リスクが高いという特徴を持つ慢性疾患である。
このような合併症やその悪化のリスクを高める個人を早期に同定することは、適切な治療方針を設定する上で非常に重要である。
糖尿病患者に対する臨床関連糸球体濾過率(eGFR)閾値の交差を予測・予測するロジスティック回帰モデルを開発した。
論文 参考訳（メタデータ） (2024-09-10T20:27:00Z) - AI-Driven Predictive Analytics Approach for Early Prognosis of Chronic Kidney Disease Using Ensemble Learning and Explainable AI [0.26217304977339473]
慢性腎臓病(英: chronic Kidney Disease、CKD)は、腎臓の構造と機能に大きな影響を及ぼし、最終的に腎不全を引き起こす異種性疾患である。
本研究の目的は、アンサンブル学習と説明可能なAIを用いて、早期予後とCKDの検出のための支配的特徴、特徴スコア、および値の可視化である。
論文 参考訳（メタデータ） (2024-06-10T18:46:14Z) - Survival Prediction Across Diverse Cancer Types Using Neural Networks [40.392772795903795]
胃癌と大腸腺癌は広範囲で難治性の悪性腫瘍である。
医療コミュニティは、患者の予後を推定するための重要な指標として、5年間の生存率を受け入れている。
本研究は胃癌および大腸癌患者の生存予測モデルを改善するための先駆的アプローチを提案する。
論文 参考訳（メタデータ） (2024-04-11T21:47:13Z) - Current and future roles of artificial intelligence in retinopathy of
prematurity [14.333209377077058]
未熟児の網膜症 (ROP) は重篤な病態である。
近年のディープラーニング(DL)、特に畳み込みニューラルネットワーク(CNN)は、ROPの検出と分類を大幅に改善している。
i-ROP 深層学習 (i-ROP-DL) システムもまた,高次疾患の検出を約束し,信頼性なROP 診断能を提供する。
論文 参考訳（メタデータ） (2024-02-15T14:35:02Z) - Towards Outcome-Driven Patient Subgroups: A Machine Learning Analysis
Across Six Depression Treatment Studies [41.34047608276278]
神経回路モデルを用いてうつ病の薬理学的治療6治験のデータを解析した。
5種類のモノセラピーと3種類の併用療法に対して,寛解率と解離確率を分類し,個別解離確率を推定するモデルを構築した。
ポストホック分析は、トレーニング中に学んだ患者プロトタイプに基づいてクラスター(サブグループ)を得た。
論文 参考訳（メタデータ） (2023-03-24T14:34:09Z) - Sickle Cell Disease Severity Prediction from Percoll Gradient Images
using Graph Convolutional Networks [38.27767684024691]
シックル細胞病(Sickle cell disease, SCD)は、赤血球の早期破壊を引き起こす重篤な遺伝性ヘモグロビン疾患である。
提案手法は,SCD重大度予測の難問に対する最初の計算手法である。
論文 参考訳（メタデータ） (2021-09-11T21:09:50Z) - 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) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳（メタデータ） (2020-09-16T15:16:03Z) - 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)
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。