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
- 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) - AI Framework for Early Diagnosis of Coronary Artery Disease: An
Integration of Borderline SMOTE, Autoencoders and Convolutional Neural
Networks Approach [0.44998333629984877]
我々は,データのバランスが不均衡でサンプルサイズが小さい場合に,より正確な予測を行うために,データのバランスと拡張のための方法論を開発する。
実験の結果,提案手法の平均精度は95.36であり,ランダムフォレスト(RF),決定木(DT),サポートベクターマシン(SVM),ロジスティック回帰(LR),人工ニューラルネットワーク(ANN)よりも高かった。
論文 参考訳(メタデータ) (2023-08-29T14:33:38Z) - Multimodal Deep Learning for Personalized Renal Cell Carcinoma
Prognosis: Integrating CT Imaging and Clinical Data [3.790959613880792]
腎細胞癌は生存率の低い重要な世界的な健康上の課題である。
本研究の目的は, 腎細胞癌患者の生存確率を予測できる包括的深層学習モデルを考案することであった。
提案フレームワークは,3次元画像特徴抽出器,臨床変数選択,生存予測の3つのモジュールから構成される。
論文 参考訳(メタデータ) (2023-07-07T13:09:07Z) - 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) - Machine learning for dynamically predicting the onset of renal
replacement therapy in chronic kidney disease patients using claims data [0.89379057739817]
慢性腎疾患(CKD)は徐々に進行する疾患であり、最終的には腎置換療法(RRT)を必要とする。
RRTを必要とする患者の早期発見は、患者の結果を改善する。
RRT開始に一般的に使用される予測ツールはない。
論文 参考訳(メタデータ) (2022-09-03T17:50:27Z) - Transfer Learning for Retinal Vascular Disease Detection: A Pilot Study
with Diabetic Retinopathy and Retinopathy of Prematurity [10.447939250507654]
本稿では,網膜血管疾患の診断に特徴的類似性を活用することを目的としたトランスファーラーニング手法を提案する。
実験の結果,従来のImageNet-pretrained Transfer Learningアプローチでは,DR-pretrainedアプローチがすべての指標で支配的であったことが確認された。
論文 参考訳(メタデータ) (2022-01-04T17:14:42Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳(メタデータ) (2021-02-08T10:26:44Z) - 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) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳(メタデータ) (2020-05-10T01:45:03Z)
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。