論文の概要: Accurate Autism Spectrum Disorder prediction using Support Vector Classifier based on Federated Learning (SVCFL)

• arxiv url: http://arxiv.org/abs/2311.04606v1
• Date: Wed, 8 Nov 2023 11:14:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-09 15:59:57.398321
• Title: Accurate Autism Spectrum Disorder prediction using Support Vector Classifier based on Federated Learning (SVCFL)
• Title（参考訳）: フェデレートラーニング(SVCFL)に基づく支援ベクトル分類器を用いた自閉症スペクトラム障害予測
• Authors: Ali Mohammadifar, Hasan Samadbin, Arman Daliri
• Abstract要約: 自閉症スペクトラム障害の予測には99%の精度が得られ, 結果が13%改善した。 本稿では,自閉症スペクトラム障害の予測に99%の精度を達成し,その結果を13%改善した。
• 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: The path to an autism diagnosis can be long and difficult, and delays can have serious consequences. Artificial intelligence can completely change the way autism is diagnosed, especially when it comes to situations where it is difficult to see the first signs of the disease. AI-based diagnostic tools may help confirm a diagnosis or highlight the need for further testing by analyzing large volumes of data and uncovering patterns that may not be immediately apparent to human evaluators. After a successful and timely diagnosis, autism can be treated through artificial intelligence using various methods. In this article, by using four datasets and gathering them with the federated learning method and diagnosing them with the support vector classifier method, the early diagnosis of this disorder has been discussed. In this method, we have achieved 99% accuracy for predicting autism spectrum disorder and we have achieved 13% improvement in the results.
• Abstract（参考訳）: 自閉症診断への道は長く困難であり、遅延は深刻な結果をもたらす可能性がある。 人工知能は、自閉症の診断方法を完全に変えることができる。 AIベースの診断ツールは、大量のデータを分析し、人間の評価者にすぐには見えないパターンを明らかにすることによって、診断の確認やさらなるテストの必要性の強調に役立つかもしれない。 成功かつタイムリーな診断の後、自閉症は様々な方法で人工知能によって治療することができる。 本稿では,4つのデータセットを用いてフェデレーション学習法を用いてそれらを収集し,支援ベクトル分類法で診断することにより,この障害の早期診断について論じる。 本研究では,自閉症スペクトラム障害の予測に99%の精度を達成し,その結果を13%改善した。

関連論文リスト

• Explainable AI for Autism Diagnosis: Identifying Critical Brain Regions Using fMRI Data [0.29687381456163997]
  自閉症スペクトラム障害(ASD)の早期診断と介入は、自閉症者の生活の質を著しく向上させることが示されている。 ASDの客観的バイオマーカーは診断精度の向上に役立つ。 深層学習(DL)は,医療画像データから疾患や病態を診断する上で,優れた成果を上げている。 本研究の目的は, ASD の精度と解釈性を向上させることであり, ASD を正確に分類できるだけでなく,その動作に関する説明可能な洞察を提供する DL モデルを作成することである。
  論文  参考訳（メタデータ） (2024-09-19T23:08:09Z)
• DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
  より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
  論文  参考訳（メタデータ） (2023-12-02T22:57:25Z)
• A Foundational Framework and Methodology for Personalized Early and Timely Diagnosis [84.6348989654916]
  本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。 診断過程を概説する決定論的アプローチに基づいている。 機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
  論文  参考訳（メタデータ） (2023-11-26T14:42:31Z)
• Early Autism Diagnosis based on Path Signature and Siamese Unsupervised Feature Compressor [15.39635888144281]
  我々は, 早期自閉症診断のための, 未分化, クラス不均衡, 異種構造MR画像から重要な特徴を抽出する, 深層学習に基づく新しい手法を考案した。 具体的には、不足データを拡張するためのシームズ検証フレームワークと、データ不均衡を軽減するための教師なし圧縮機を提案する。
  論文  参考訳（メタデータ） (2023-07-12T22:08:22Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Evaluate underdiagnosis and overdiagnosis bias of deep learning model on primary open-angle glaucoma diagnosis in under-served patient populations [64.91773761529183]
  原発性オープンアングル緑内障(POAG)はアメリカにおける盲目の主要な原因である。 深層学習は眼底画像を用いたPOAGの検出に広く用いられている。 臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅される可能性がある。
  論文  参考訳（メタデータ） (2023-01-26T18:53:09Z)
• Action-based Early Autism Diagnosis Using Contrastive Feature Learning [2.922007656878633]
  自閉症スペクトラム障害(Autism Spectrum disorder, ASD)は、神経疾患である。 その主な症状は、(言語および/または非言語)コミュニケーションの困難さ、硬直的/反復的な行動である。 本稿では,簡単なアクションビデオクリップを用いて,自閉症の診断を自動化するための学習的アプローチを提案する。
  論文  参考訳（メタデータ） (2022-09-12T16:31:34Z)
• Activity Recognition for Autism Diagnosis [1.4854189993691178]
  形式的自閉症診断は非効率で長いプロセスである。 この問題の1つのアプローチは、デジタル技術を使って自閉症に関連する行動を検出することである。 自閉症の最も強い指標の1つは刺激であり、反復的で自己刺激的な行動のセットである。
  論文  参考訳（メタデータ） (2021-08-18T01:00:02Z)
• Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology [62.997667081978825]
  資金不足、資格のある専門家の欠如、そして修正方法に対する信頼度の低いことが、AMDのリアルタイム診断に影響を及ぼす主要な問題である。 我々のチームは、子どもの視線活動の情報に基づいて、ALDの確率を予測するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-08-21T20:22:55Z)
• A Convolutional Neural Network for gaze preference detection: A potential tool for diagnostics of autism spectrum disorder in children [0.0]
  本稿では,1分間の刺激映像から抽出した画像を用いた視線予測のための畳み込みニューラルネットワーク(CNN)アルゴリズムを提案する。 本モデルでは,被検者の視線方向の予測に高い精度とロバスト性を実現した。
  論文  参考訳（メタデータ） (2020-07-28T18:47:21Z)
• Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
  医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。 この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。 本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
  論文  参考訳（メタデータ） (2020-03-14T02:05:54Z)

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。