論文の概要: Deep Learning for Detecting and Early Predicting Chronic Obstructive Pulmonary Disease from Spirogram Time Series

• arxiv url: http://arxiv.org/abs/2405.03239v2
• Date: Wed, 23 Oct 2024 05:18:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:53:36.171086
• Title: Deep Learning for Detecting and Early Predicting Chronic Obstructive Pulmonary Disease from Spirogram Time Series
• Title（参考訳）: スピログラム時系列による慢性閉塞性肺疾患の検出と早期予測のための深層学習
• Authors: Shuhao Mei, Xin Li, Yuxi Zhou, Jiahao Xu, Yong Zhang, Yuxuan Wan, Shan Cao, Qinghao Zhao, Shijia Geng, Junqing Xie, Shengyong Chen, Shenda Hong,
• Abstract要約: 慢性閉塞性肺疾患(慢性閉塞性肺疾患、COPD)は、慢性肺疾患である。 今後のCOPDリスクを早期に予測するために,ディープラーニングに基づくDeepSpiroを提案する。
• 参考スコア（独自算出の注目度）: 32.3112419424864
• License:
• Abstract: Chronic Obstructive Pulmonary Disease (COPD) is a chronic lung disease that causes airflow obstruction. Current methods can only detect COPD from prominent features in spirogram (Volume-Flow time series) but cannot predict future COPD risk from subtle data patterns. We propose a deep learning-based method, DeepSpiro, for early prediction of future COPD risk. DeepSpiro consists of four key components: SpiroSmoother for stabilizing the Volume-Flow curve, SpiroEncoder for capturing volume evolution through key patches of varying lengths, SpiroExplainer for integrating heterogeneous data and explaining predictions through volume attention, and SpiroPredictor for predicting the disease risk of undiagnosed high-risk patients based on key patch concavity, with prediction horizons of 1, 2, 3, 4, 5 years, or even longer. Evaluated on the UK Biobank dataset, DeepSpiro achieved an AUC of 0.8328 for COPD detection and demonstrated strong predictive performance for future COPD risk (p-value < 0.001). DeepSpiro effectively predicts the long-term progression of the disease.
• Abstract（参考訳）: 慢性閉塞性肺疾患(慢性閉塞性肺疾患、COPD)は、慢性肺疾患である。 現在の手法では、スピログラム(Volume-Flow 時系列)の特徴から COPD を検出できるが、微妙なデータパターンから将来の COPD リスクを予測することはできない。 今後のCOPDリスクを早期に予測するために,ディープラーニングに基づくDeepSpiroを提案する。 DeepSpiroは4つの主要なコンポーネントで構成されている: ボリュームフロー曲線を安定化するためのSpiroSmoother、様々な長さのキーパッチを通じてボリュームの進化をキャプチャするSpiroEncoder、異種データの統合とボリュームアテンションによる予測を説明するSpiroExplainer、キーパッチの凹部に基づいて未診断高リスク患者の疾患リスクを予測するSpiroPredictor、予測水平線が1, 2, 3, 4, 5年以上ある。 イギリスのバイオバンクのデータセットで評価され、DeepSpiroはCOPD検出のためのAUCの0.8328を達成し、将来のCOPDリスク(p-value < 0.001)に対して強い予測性能を示した。 DeepSpiroは病気の長期進行を効果的に予測する。

関連論文リスト

• SincVAE: a New Approach to Improve Anomaly Detection on EEG Data Using SincNet and Variational Autoencoder [0.0]
  本研究では,脳波データからてんかん発作を検出するための半教師付きアプローチを提案する。 以上の結果から,SncVAEは脳波データにおける発作検出を改善し,早期発作の早期発見と術後経過のモニタリングが可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-06-25T13:21:01Z)
• Conditional Score-Based Diffusion Model for Cortical Thickness Trajectory Prediction [29.415616701032604]
  アルツハイマー病(英: Alzheimer's Disease、AD)は、個人間での進行率の多様性を特徴とする神経変性疾患である。 与えられたベースライン情報を用いてCThトラジェクトリを生成する条件付きスコアベース拡散モデルを提案する。 本モデルでは6～36ヶ月のCThに比べて95%間隔が狭いほぼゼロバイアスを有する。
  論文  参考訳（メタデータ） (2024-03-11T17:26:18Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Transformer-based Time-to-Event Prediction for Chronic Kidney Disease Deterioration [0.0]
  STRAFEは、電子健康記録のための一般化可能な生存分析変換器ベースのアーキテクチャである。 STRAFEの性能は,慢性腎臓病3段階の患者130,000人以上の実世界のクレームデータセットを用いて評価した。 STRAFE予測は高リスク患者の肯定的な予測値を3倍に改善し、介入プログラムのターゲティングを改善するための使用法を示す。
  論文  参考訳（メタデータ） (2023-06-09T09:46:38Z)
• CIRDataset: A large-scale Dataset for Clinically-Interpretable lung nodule Radiomics and malignancy prediction [4.00916638804083]
  肺結節の表面の鋭く曲がりくねったスパイクは、肺がんの悪性度を予測できる。 SOTA悪性度予測アルゴリズムにおけるこれらの臨床的に報告された特徴の重要性を調査するための公開データセットは今のところ存在しない。 CIRDatasetは,QA/QCによる画像解析/ロブレーションアノテーション956点を含む大規模臨床応用放射線学データセットである。
  論文  参考訳（メタデータ） (2022-06-29T20:46:12Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Enhancing Cancer Prediction in Challenging Screen-Detected Incident Lung Nodules Using Time-Series Deep Learning [2.744770849264355]
  低用量CTによる肺がん検診(LCS)は肺がん死亡率を著しく低下させることが証明された。 肺結節の悪性度リスクの階層化を改善するには, マシン/ディープ学習アルゴリズムが有用である。 本稿では,時系列深層学習モデル(DeepCAD-NLM-L)の性能について述べる。
  論文  参考訳（メタデータ） (2022-03-30T18:40:36Z)
• DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
  時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。 DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
  論文  参考訳（メタデータ） (2020-10-28T15:05:08Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。