論文の概要: The Identification and Categorization of Anemia Through Artificial Neural Networks: A Comparative Analysis of Three Models

• arxiv url: http://arxiv.org/abs/2404.04690v1
• Date: Sat, 6 Apr 2024 17:37:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-09 20:00:13.097411
• Title: The Identification and Categorization of Anemia Through Artificial Neural Networks: A Comparative Analysis of Three Models
• Title（参考訳）: ニューラルネットワークによる貧血の同定と分類:3つのモデルの比較分析
• Authors: Mohammed A. A. Elmaleeh,
• Abstract要約: 本稿では、貧血の診断と分類のための異なるニューラルネットワークベースのアルゴリズムを提案する。 提案したニューラルネットワークは、9つの入力(年齢、性別、RBC、HGB、HCT、MCV、MCH、MCHC、WBC)と1つの出力を含む。 多様な患者に対するシミュレーションの結果から,提案する人工ニューラルネットワークが疾患の存在を迅速かつ正確に検出できることが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents different neural network-based classifier algorithms for diagnosing and classifying Anemia. The study compares these classifiers with established models such as Feed Forward Neural Network (FFNN), Elman network, and Non-linear Auto-Regressive Exogenous model (NARX). Experimental evaluations were conducted using data from clinical laboratory test results for 230 patients. The proposed neural network features nine inputs (age, gender, RBC, HGB, HCT, MCV, MCH, MCHC, WBCs) and one output. The simulation outcomes for diverse patients demonstrate that the suggested artificial neural network rapidly and accurately detects the presence of the disease. Consequently, the network could be seamlessly integrated into clinical laboratories for automatic generation of Anemia patients' reports Additionally, the suggested method is affordable and can be deployed on hardware at low costs.
• Abstract（参考訳）: 本稿では、貧血の診断と分類のための異なるニューラルネットワークベースの分類アルゴリズムを提案する。 本研究では、これらの分類器をフィードフォワードニューラルネットワーク(FFNN)、エルマンネットワーク、非線形自己回帰外生モデル(NARX)などの確立されたモデルと比較する。 臨床検査結果から得られた230例を対象に実験を行った。 提案したニューラルネットワークは、9つの入力(年齢、性別、RBC、HGB、HCT、MCV、MCH、MCHC、WBC)と1つの出力を含む。 多様な患者に対するシミュレーションの結果から,提案する人工ニューラルネットワークが疾患の存在を迅速かつ正確に検出できることが示されている。 その結果、貧血患者の報告を自動生成するために、ネットワークをシームレスに臨床実験室に組み込むことができ、また、提案手法は安価で、低コストでハードウェアに展開できる。

関連論文リスト

• Analysis of Modern Computer Vision Models for Blood Cell Classification [49.1574468325115]
  この研究では、MaxVit、EfficientVit、EfficientNet、EfficientNetV2、MobileNetV3といった最先端アーキテクチャを使用して、迅速かつ正確な結果を得る。 本手法は,従来の手法の速度と精度の懸念に対処するだけでなく,血液学的解析における革新的な深層学習モデルの適用性についても検討する。
  論文  参考訳（メタデータ） (2024-06-30T16:49:29Z)
• Reusability report: Prostate cancer stratification with diverse biologically-informed neural architectures [7.417447233454902]
  前立腺がんの病態をモデル化するために、生物学的に情報を得た疎結合(P-NET)のフィードフォワードニューラルネットワークが提示された。 我々は、Reactomeの生物学的経路によるネットワークスペーサー化の寄与を定量化し、P-NETの優れた性能にその重要性を確認した。 同じトレーニングデータを用いて3種類のグラフニューラルネットワークを実験し、異なるモデル間の臨床予測一致について検討した。
  論文  参考訳（メタデータ） (2023-09-28T17:51:02Z)
• How neural networks learn to classify chaotic time series [77.34726150561087]
  本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。 入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
  論文  参考訳（メタデータ） (2023-06-04T08:53:27Z)
• Towards Outcome-Driven Patient Subgroups: A Machine Learning Analysis Across Six Depression Treatment Studies [41.34047608276278]
  神経回路モデルを用いてうつ病の薬理学的治療6治験のデータを解析した。 5種類のモノセラピーと3種類の併用療法に対して,寛解率と解離確率を分類し,個別解離確率を推定するモデルを構築した。 ポストホック分析は、トレーニング中に学んだ患者プロトタイプに基づいてクラスター(サブグループ)を得た。
  論文  参考訳（メタデータ） (2023-03-24T14:34:09Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• Exposing and addressing the fragility of neural networks in digital pathology [0.0]
  textttStrongAugmentは、大規模な異種病理組織学的データを用いて評価される。 textttStrongAugmentでトレーニングされたニューラルネットワークは、すべてのデータセットで同様のパフォーマンスを維持している。
  論文  参考訳（メタデータ） (2022-06-30T13:25:34Z)
• Feature robustness and sex differences in medical imaging: a case study in MRI-based Alzheimer's disease detection [1.7616042687330637]
  我々はADNI MRIデータセットの2つの分類方式を比較した。 訓練データセットの性構成に対する男女試験対象者のモデル性能の強い依存は見つからない。
  論文  参考訳（メタデータ） (2022-04-04T17:37:54Z)
• EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
  本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。 メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
  論文  参考訳（メタデータ） (2022-02-21T18:59:03Z)
• Combining Neural Network Models for Blood Cell Classification [0.0]
  本研究の目的は、Recurrent Neural Network(RNN)とConvolutional Neural Network(CNN)を組み合わせて構築した多層ニューラルネットワークモデルの効率を評価することである。 これは、特定の画像サンプル中の血液細胞の性質を特定する必要がある血液検査および他のプロセスの分析を自動化するための医薬品および医療業界に適用することができます。
  論文  参考訳（メタデータ） (2021-01-10T18:58:46Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。