論文の概要: An Evaluation of Machine Learning Approaches for Early Diagnosis of
Autism Spectrum Disorder
- arxiv url: http://arxiv.org/abs/2309.11646v2
- Date: Thu, 28 Dec 2023 14:16:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 22:25:28.882291
- Title: An Evaluation of Machine Learning Approaches for Early Diagnosis of
Autism Spectrum Disorder
- Title（参考訳）: 自閉症スペクトラム障害早期診断のための機械学習手法の評価
- Authors: Rownak Ara Rasul, Promy Saha, Diponkor Bala, S M Rakib Ul Karim, Md.
Ibrahim Abdullah and Bishwajit Saha
- Abstract要約: 自閉症スペクトラム障害(Autistic Spectrum disorder、ASD)は、社会的相互作用、コミュニケーション、反復活動の困難を特徴とする神経疾患である。
本研究は,診断プロセスの強化と自動化を目的として,多様な機械学習手法を用いて重要なASD特性を同定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autistic Spectrum Disorder (ASD) is a neurological disease characterized by
difficulties with social interaction, communication, and repetitive activities.
While its primary origin lies in genetics, early detection is crucial, and
leveraging machine learning offers a promising avenue for a faster and more
cost-effective diagnosis. This study employs diverse machine learning methods
to identify crucial ASD traits, aiming to enhance and automate the diagnostic
process. We study eight state-of-the-art classification models to determine
their effectiveness in ASD detection. We evaluate the models using accuracy,
precision, recall, specificity, F1-score, area under the curve (AUC), kappa,
and log loss metrics to find the best classifier for these binary datasets.
Among all the classification models, for the children dataset, the SVM and LR
models achieve the highest accuracy of 100% and for the adult dataset, the LR
model produces the highest accuracy of 97.14%. Our proposed ANN model provides
the highest accuracy of 94.24% for the new combined dataset when
hyperparameters are precisely tuned for each model. As almost all
classification models achieve high accuracy which utilize true labels, we
become interested in delving into five popular clustering algorithms to
understand model behavior in scenarios without true labels. We calculate
Normalized Mutual Information (NMI), Adjusted Rand Index (ARI), and Silhouette
Coefficient (SC) metrics to select the best clustering models. Our evaluation
finds that spectral clustering outperforms all other benchmarking clustering
models in terms of NMI and ARI metrics while demonstrating comparability to the
optimal SC achieved by k-means. The implemented code is available at GitHub.
- Abstract（参考訳）: 自閉症スペクトラム障害(Autistic Spectrum disorder、ASD)は、社会的相互作用、コミュニケーション、反復活動の困難を特徴とする神経疾患である。
その起源は遺伝学にあるが、早期発見は不可欠であり、機械学習を活用することで、より高速でコスト効率の高い診断の道が開かれる。
本研究は,診断プロセスの強化と自動化を目的として,多様な機械学習手法を用いて重要なASD特性を同定する。
本研究では,8つの最先端分類モデルを用いて,ASD検出の有効性を検証した。
精度、精度、リコール、特異性、F1スコア、曲線下面積(AUC)、カッパ、ログ損失測定値を用いてモデルを評価し、これらのバイナリデータセットに最適な分類器を求める。
全ての分類モデルの中で、SVMおよびLRモデルは100%の最高精度を達成し、成人データセットでは、LRモデルは97.14%の最高精度を達成している。
提案モデルでは,各モデルに対してハイパーパラメータを正確に調整した場合に,新しい組み合わせデータセットに対して94.24%の精度を提供する。
ほぼすべての分類モデルが真のラベルを利用する高い精度を達成するため、我々は、真のラベルのないシナリオにおけるモデルの振る舞いを理解するために、5つの人気のあるクラスタリングアルゴリズムを掘り下げることに興味を持つ。
我々は、最適なクラスタリングモデルを選択するために、正規化相互情報(NMI)、調整ランダム指数(ARI)、シルエット係数(SC)のメトリクスを計算する。
評価の結果、スペクトルクラスタリングは他のベンチマーククラスタリングモデルよりもNMIとARIの指標で優れており、k-meansで達成した最適SCとの互換性を示している。
実装されたコードはgithubで入手できる。
関連論文リスト
- What Do Learning Dynamics Reveal About Generalization in LLM Reasoning? [83.83230167222852]
モデルの一般化動作は,事前記憶列車の精度と呼ばれるトレーニング指標によって効果的に特徴づけられることがわかった。
モデルの学習行動と一般化を結びつけることで、トレーニング戦略に目標とする改善を導くことができる。
論文 参考訳（メタデータ） (2024-11-12T09:52:40Z) - Predictive Analytics of Varieties of Potatoes [2.336821989135698]
本研究では, 育種試験におけるサツマイモクローンの選択プロセスの向上を目的とした, 機械学習アルゴリズムの適用について検討する。
本研究は, 高収率, 耐病性, 耐気候性ポテト品種を効率的に同定することの課題に対処する。
論文 参考訳（メタデータ） (2024-04-04T00:49:05Z) - Ransomware detection using stacked autoencoder for feature selection [0.0]
この研究は、オートエンコーダの学習したウェイトとアクティベーションを慎重に分析し、ランサムウェアファミリーと他のマルウェアを区別するための重要な特徴を特定します。
提案手法はランサムウェア分類において, Extreme Gradient Boosting (XGBoost) アルゴリズムを上回り, 99%の精度を達成している。
論文 参考訳（メタデータ） (2024-02-17T17:31:48Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - An Intelligent Decision Support Ensemble Voting Model for Coronary
Artery Disease Prediction in Smart Healthcare Monitoring Environments [0.0]
冠動脈疾患 (CAD) は、世界で最も一般的な心臓疾患の1つである。
機械学習(ML)アルゴリズムに基づくe-diagnosisツールは、スマートヘルスケア監視システムで使用することができる。
論文 参考訳（メタデータ） (2022-10-25T21:09:34Z) - Learning brain MRI quality control: a multi-factorial generalization
problem [0.0]
本研究の目的は,MRIQCパイプラインの性能評価である。
分析はMRIQCの前処理ステップに焦点を合わせ、パイプラインをそれなしでテストした。
我々は、CATIデータセットのような異種集団のデータで訓練されたモデルが、目に見えないデータの最良のスコアを提供すると結論付けた。
論文 参考訳（メタデータ） (2022-05-31T15:46:44Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - ALT-MAS: A Data-Efficient Framework for Active Testing of Machine
Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。
ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文 参考訳（メタデータ） (2021-04-11T12:14:04Z) - Meta-learning One-class Classifiers with Eigenvalue Solvers for
Supervised Anomaly Detection [55.888835686183995]
教師付き異常検出のためのニューラルネットワークに基づくメタラーニング手法を提案する。
提案手法は,既存の異常検出法や少数ショット学習法よりも優れた性能を実現することを実験的に実証した。
論文 参考訳（メタデータ） (2021-03-01T01:43:04Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Detecting Autism Spectrum Disorder using Machine Learning [3.2861753207533937]
逐次最小最適化(SMO)ベースのサポートベクトルマシン(SVM)分類器は、他のすべてのベンチマーク機械学習アルゴリズムより優れている。
Relief Attributesアルゴリズムは、ASDデータセットで最も重要な属性を特定するのに最適である。
論文 参考訳（メタデータ） (2020-09-30T08:33:12Z)
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。