論文の概要: A Diagnosis and Treatment of Liver Diseases: Integrating Batch Processing, Rule-Based Event Detection and Explainable Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2311.07595v2
• Date: Thu, 20 Mar 2025 07:42:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 16:32:27.160783
• Title: A Diagnosis and Treatment of Liver Diseases: Integrating Batch Processing, Rule-Based Event Detection and Explainable Artificial Intelligence
• Title（参考訳）: 肝疾患の診断と治療 : バッチ処理,ルールベース事象検出,説明可能な人工知能の統合
• Authors: Ritesh Chandra, Sadhana Tiwari, Satyam Rastogi, Sonali Agarwal,
• Abstract要約: 肝疾患は、多くの個人に影響を与え、経済的、社会的に重大な影響をもたらす。 本研究の目的は,BFO,PCDオントロジー,決定木アルゴリズムによる検出規則を用いた肝疾患の診断・治療モデルを開発することである。
• 参考スコア（独自算出の注目度）: 0.8668211481067458
• License:
• Abstract: Liver diseases pose a significant global health burden, impacting many individuals and having substantial economic and social consequences. Rising liver problems are considered a fatal disease in many countries, such as Egypt and Moldova. This study aims to develop a diagnosis and treatment model for liver disease using Basic Formal Ontology (BFO), Patient Clinical Data (PCD) ontology, and detection rules derived from a decision tree algorithm. For the development of the ontology, the National Viral Hepatitis Control Program (NVHCP) guidelines were used, which made the ontology more accurate and reliable. The Apache Jena framework uses batch processing to detect events based on these rules. Based on the event detected, queries can be directly processed using SPARQL. We convert these Decision Tree (DT) and medical guidelines-based rules into Semantic Web Rule Language (SWRL) to operationalize the ontology. Using this SWRL in the ontology to predict different types of liver disease with the help of the Pellet and Drools inference engines in Protege Tools, a total of 615 records were taken from different liver diseases. After inferring the rules, the result can be generated for the patient according to the rules, and other patient-related details, along with different precautionary suggestions, can be obtained based on these results. These rules can make suggestions more accurate with the help of Explainable Artificial Intelligence (XAI) with open API-based suggestions. When the patient has prescribed a medical test, the model accommodates this result using optical character recognition (OCR), and the same process applies when the patient has prescribed a further medical suggestion according to the test report. These models combine to form a comprehensive Decision Support System (DSS) for the diagnosis of liver disease.
• Abstract（参考訳）: 肝疾患は、多くの個人に影響を与え、経済的、社会的に重大な影響をもたらす。 肝臓の問題はエジプトやモルドバなど多くの国で致命的な病気とみなされている。 本研究の目的は,BFO,PCDオントロジー,決定木アルゴリズムによる検出規則を用いた肝疾患の診断・治療モデルを開発することである。 オントロジーの発展のために,NVHCP(National Viral Hepatitis Control Program)ガイドラインを用いて,オントロジーをより正確かつ信頼性の高いものにした。 Apache Jenaフレームワークはバッチ処理を使用して、これらのルールに基づいてイベントを検出する。 検出されたイベントに基づいて、クエリはSPARQLを使って直接処理できる。 我々はこれらの決定木と医療ガイドラインに基づくルールをセマンティックWebルール言語(SWRL)に変換してオントロジーを運用する。 Protege ToolsのPelletおよびDrools推論エンジンの助けを借りて、このSWRLをオントロジーで様々なタイプの肝疾患を予測し、合計615個の肝疾患から計615個の記録を採取した。 ルールを推し進めると、患者に対してルールに従って結果が生成され、これらの結果に基づいて、別の予防的提案とともに、他の患者関連詳細が得られます。 これらのルールは、オープンなAPIベースの提案で説明可能な人工知能(XAI)の助けを借りて、提案をより正確にすることができる。 患者が医療検査を処方した場合には、この結果に光学的文字認識(OCR)を用いて対応し、検査報告に従って追加の医療提案を処方したときも同様のプロセスが適用される。 これらのモデルは結合して、肝疾患の診断のための総合的決定支援システム(DSS)を形成する。

関連論文リスト

• Unified dimensionality reduction techniques in chronic liver disease detection [0.5242869847419834]
  本研究では,多くの機械学習アルゴリズムについて検討した。 本研究の主な焦点は, 583名の患者の医療記録を含む, このデータセットである。 検索は、カスタマイズされた特徴抽出と次元削減方法の選択と使用に関する重要な新しい視点を提供する。
  論文  参考訳（メタデータ） (2024-12-30T18:35:02Z)
• Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
  本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。 ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。 その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。 実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
  論文  参考訳（メタデータ） (2024-08-15T21:09:09Z)
• A Non-Invasive Interpretable NAFLD Diagnostic Method Combining TCM Tongue Features [3.027279434102167]
  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。
  論文  参考訳（メタデータ） (2023-09-06T12:55:59Z)
• Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
  本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。 提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,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） (2023-05-20T03:12:23Z)
• Multi-Task Learning for Post-transplant Cause of Death Analysis: A Case Study on Liver Transplant [65.85767739748901]
  移植後の死因は、臨床的意思決定の強力なツールである。 Model for End-stage Liver Disease (MELD) スコアや従来の機械学習 (ML) メソッドのような従来の手法は、CoD 解析において限られている。 我々は,多タスク学習を利用したCoD-MTLと呼ばれる新しいフレームワークを提案し,様々なCoD予測タスク間の意味関係をモデル化する。
  論文  参考訳（メタデータ） (2023-03-30T01:31:49Z)
• Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
  肝移植は肝疾患に対して必要不可欠な治療法である。 機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。 本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:24:58Z)
• MAFUS: a Framework to predict mortality risk in MAFLD subjects [7.418913276983601]
  本稿では,代謝関連脂肪肝疾患(MAFLD)患者の死亡を予測できる人工知能ベースの枠組みを提案する。 このフレームワークは、機械学習(ML)アルゴリズムに基づいた、さまざまな人為的および生化学的ソースのデータを使用する。
  論文  参考訳（メタデータ） (2023-01-17T14:19:51Z)
• Learning $\mathbf{\mathit{Matching}}$ Representations for Individualized Organ Transplantation Allocation [98.43063331640538]
  臓器アロケーションと移植結果の観察データを用いて,臓器マッチングのためのデータ駆動型ルールの学習問題を定式化する。 本稿では,表現学習に基づくモデルを提案し,ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ド 本モデルは,ヒトの専門家が実施する最先端のアロケーション手法やポリシーより優れる。
  論文  参考訳（メタデータ） (2021-01-28T01:33:21Z)
• Alleviating the Incompatibility between Cross Entropy Loss and Episode Training for Few-shot Skin Disease Classification [76.89093364969253]
  そこで本研究では,皮膚疾患の診断にFew-Shot Learningを応用し,トレーニングサンプル問題の極端な不足に対処することを提案する。 本稿では, エピソード学習において, クロスエントロピー(CE)よりも優れたクエリ-相対的損失(QR)を提案する。 さらに,新しい適応型ハードマージン戦略により,提案したQR損失をさらに強化する。
  論文  参考訳（メタデータ） (2020-04-21T00:57:11Z)

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。