論文の概要: A Deep Learning Approach to Diabetes Diagnosis
- arxiv url: http://arxiv.org/abs/2403.07483v1
- Date: Tue, 12 Mar 2024 10:18:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 22:16:23.450968
- Title: A Deep Learning Approach to Diabetes Diagnosis
- Title(参考訳): 糖尿病診断のための深層学習アプローチ
- Authors: Zeyu Zhang, Khandaker Asif Ahmed, Md Rakibul Hasan, Tom Gedeon, Md
Zakir Hossain
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 6.4583894027770254
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Diabetes, resulting from inadequate insulin production or utilization, causes
extensive harm to the body. Existing diagnostic methods are often invasive and
come with drawbacks, such as cost constraints. Although there are machine
learning models like Classwise k Nearest Neighbor (CkNN) and General Regression
Neural Network (GRNN), they struggle with imbalanced data and result in
under-performance. Leveraging advancements in sensor technology and machine
learning, we propose a non-invasive diabetes diagnosis using a Back Propagation
Neural Network (BPNN) with batch normalization, incorporating data re-sampling
and normalization for class balancing. Our method addresses existing challenges
such as limited performance associated with traditional machine learning.
Experimental results on three datasets show significant improvements in overall
accuracy, sensitivity, and specificity compared to traditional methods.
Notably, we achieve accuracies of 89.81% in Pima diabetes dataset, 75.49% in
CDC BRFSS2015 dataset, and 95.28% in Mesra Diabetes dataset. This underscores
the potential of deep learning models for robust diabetes diagnosis. See
project website https://steve-zeyu-zhang.github.io/DiabetesDiagnosis/
- Abstract(参考訳): 糖尿病はインスリンの生産や利用が不十分なため、体に大きな損傷を与える。
既存の診断手法はしばしば侵襲的であり、コスト制約のような欠点がある。
Classwise k Nearest Neighbor(CkNN)やGeneral Regression Neural Network(GRNN)のような機械学習モデルもあるが、不均衡なデータに悩まされ、パフォーマンスが低くなる。
センサ技術と機械学習の進歩を生かして,バッチ正規化を備えたバックプロパゲーションニューラルネットワーク(BPNN)を用いた非侵襲的糖尿病診断を提案する。
本手法は,従来の機械学習に係わる性能の制限など,既存の課題に対処する。
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、特異性に大きな改善が見られた。
特に、ピマ糖尿病データセットは89.81%、CDC BRFSS2015データセットは75.49%、Mesra Diabetesデータセットは95.28%である。
これにより、ロバスト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が高まる。
プロジェクト https://steve-zeyu-zhang.github.io/Diabetes Diagnosis/
関連論文リスト
- Diabetes detection using deep learning techniques with oversampling and
feature augmentation [0.3749861135832073]
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。
論文 参考訳(メタデータ) (2024-02-03T15:30:20Z) - 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) - 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) - Prognosis and Treatment Prediction of Type-2 Diabetes Using Deep Neural
Network and Machine Learning Classifiers [1.1470070927586016]
本研究の動作は,7つの機械学習分類器と,糖尿病の検出と治療を高精度に予測するためのニューラルネットワーク手法の比較研究である。
トレーニングとテストデータセットは9483人の糖尿病患者の情報を蓄積したものです。
私たちのハイパフォーマンスモデルは、糖尿病を予測し、より正確な予測モデルの研究を促進するために病院によって利用できます。
論文 参考訳(メタデータ) (2023-01-08T19:10:20Z) - 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) - StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact
Context-encoding Variational Autoencoder [48.2010192865749]
教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。
本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。
提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
論文 参考訳(メタデータ) (2022-01-31T14:27:35Z) - 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) - RA-GCN: Graph Convolutional Network for Disease Prediction Problems with
Imbalanced Data [47.00510780034136]
クラス不均衡は疾患予測の分野でよく知られた問題である。
本稿では,グラフベースの分類器の性能を高めるために,Re-weighted Adversarial Graph Convolutional Network (RA-GCN)を提案する。
本研究では,ra-gcnの合成および3種類の医療用データセットに対する優越性を示す。
論文 参考訳(メタデータ) (2021-02-27T14:06:27Z) - Hybrid Deep Learning Gaussian Process for Diabetic Retinopathy Diagnosis
and Uncertainty Quantification [0.0]
糖尿病網膜症 (Diabetes Mellitus) は糖尿病の微小血管合併症の1つである。
コナールニューラルネットワークに基づく計算モデルは、眼底画像を用いたDRの自動検出技術の現状を表す。
本稿では,DR診断と不確実性定量化のためのハイブリッドディープラーニング・ガウス法を提案する。
論文 参考訳(メタデータ) (2020-07-29T04:10:42Z) - A Systematic Approach to Featurization for Cancer Drug Sensitivity
Predictions with Deep Learning [49.86828302591469]
35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。
RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
論文 参考訳(メタデータ) (2020-04-30T20:42:17Z)
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。