論文の概要: Diabetes detection using deep learning techniques with oversampling and feature augmentation

• arxiv url: http://arxiv.org/abs/2402.02188v1
• Date: Sat, 3 Feb 2024 15:30:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-06 21:24:41.435663
• Title: Diabetes detection using deep learning techniques with oversampling and feature augmentation
• Title（参考訳）: オーバーサンプリングと特徴増強を用いた深層学習による糖尿病検出
• Authors: Mar\'ia Teresa Garc\'ia-Ord\'as, Carmen Benavides, Jos\'e Alberto Ben\'itez-Andrades, H\'ector Alaiz-Moret\'on and Isa\'ias Garc\'ia-Rodr\'iguez
• Abstract要約: 糖尿病は慢性の病理であり、ここ数年でますます多くの人に影響を与えている。 毎年多数の死者が出ている。 この病気を患っている多くの人々は、健康状態の深刻さを十分に理解していない。
• 参考スコア（独自算出の注目度）: 0.3749861135832073
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Background and objective: Diabetes is a chronic pathology which is affecting more and more people over the years. It gives rise to a large number of deaths each year. Furthermore, many people living with the disease do not realize the seriousness of their health status early enough. Late diagnosis brings about numerous health problems and a large number of deaths each year so the development of methods for the early diagnosis of this pathology is essential. Methods: In this paper, a pipeline based on deep learning techniques is proposed to predict diabetic people. It includes data augmentation using a variational autoencoder (VAE), feature augmentation using an sparse autoencoder (SAE) and a convolutional neural network for classification. Pima Indians Diabetes Database, which takes into account information on the patients such as the number of pregnancies, glucose or insulin level, blood pressure or age, has been evaluated. Results: A 92.31% of accuracy was obtained when CNN classifier is trained jointly the SAE for featuring augmentation over a well balanced dataset. This means an increment of 3.17% of accuracy with respect the state-of-the-art. Conclusions: Using a full deep learning pipeline for data preprocessing and classification has demonstrate to be very promising in the diabetes detection field outperforming the state-of-the-art proposals.
• Abstract（参考訳）: 背景と目的:糖尿病は慢性の病理であり、近年ますます多くの人に影響を与えている。 毎年多数の死者が出ている。 さらに、この病気に苦しむ多くの人々は、健康状態の重大さを十分に理解していない。 遅発性診断は、毎年多くの健康上の問題と多くの死亡をもたらすため、この疾患の早期診断法の開発が不可欠である。 方法: 本論文では, 糖尿病者を予測するために, 深層学習手法に基づくパイプラインを提案する。 これには、変動オートエンコーダ(VAE)を用いたデータ拡張、スパースオートエンコーダ(SAE)を用いた機能拡張、分類のための畳み込みニューラルネットワークが含まれる。 pima indians diabetes database(pima indians diabetes database)は、妊娠、血糖値またはインスリン値、血圧または年齢などの患者の情報を考慮して評価されている。 結果: CNN分類器の精度は92.31%で、よくバランスの取れたデータセット上の拡張を特徴付けるSAEと共同で訓練された。 これは、最先端に関する精度の3.17%の上昇を意味する。 結論: データ前処理と分類に完全なディープラーニングパイプラインを使用することは、最先端の提案よりも優れた糖尿病検出分野において非常に有望であることが示されている。

関連論文リスト

• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• DiabetesNet: A Deep Learning Approach to Diabetes Diagnosis [6.095029229301643]
  3つのデータセットの実験結果は、従来の手法と比較して、全体的な精度、感度、特異性を大幅に改善したことを示している。 このことは、堅牢な糖尿病診断のためのディープラーニングモデルの可能性を示している。
  論文  参考訳（メタデータ） (2024-03-12T10:18:59Z)
• Machine Learning-Based Diabetes Detection Using Photoplethysmography Signal Features [0.0]
  糖尿病は世界中で何百万人もの人々の健康を損なう慢性疾患である。 そこで本研究では,非侵襲性光胸腺撮影による糖尿病検出の問題点を克服する別の方法を提案する。 PPG信号とアルゴリズムを用いて非糖尿病患者と糖尿病患者を分類し,ロジスティック回帰とeXtreme Gradient Boostingを訓練した。 以上の結果から,糖尿病の検出・予防のための遠隔・非侵襲・連続計測装置の開発に機械学習が期待できることが示唆された。
  論文  参考訳（メタデータ） (2023-08-02T14:10:03Z)
• 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)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• Early Stage Diabetes Prediction via Extreme Learning Machine [0.0]
  糖尿病の46%は診断されていない。 糖尿病は、他のいくつかの重篤な疾患を発症し、患者の死亡につながる可能性がある。 本稿では,データアンケートに基づく糖尿病予測のための極端な学習機械に基づく新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-02-22T22:23:59Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• Hybrid stacked ensemble combined with genetic algorithms for Prediction of Diabetes [0.0]
  糖尿病は、世界で最も一般的で危険で高価な病気の1つです。 本研究では、カリフォルニア大学のウェブサイトで、インドの糖尿病に関する実際のデータである実験データを用いています。 結果は、98.8%に達した疾患の診断における提案手法の高性能と99%の精度を示した。
  論文  参考訳（メタデータ） (2021-03-15T07:47:23Z)
• Variable Weights Neural Network For Diabetes Classification [0.0]
  深層学習を用いて糖尿病を低コストで検出するリキッドマシンラーニングのアプローチを設計しました。 提案手法は, これまでの成果に有意な改善が認められた。
  論文  参考訳（メタデータ） (2021-02-22T11:08:25Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。