論文の概要: Classification and Prediction of Heart Diseases using Machine Learning Algorithms
- arxiv url: http://arxiv.org/abs/2409.03697v1
- Date: Thu, 5 Sep 2024 16:52:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 19:43:43.738586
- Title: Classification and Prediction of Heart Diseases using Machine Learning Algorithms
- Title(参考訳): 機械学習アルゴリズムを用いた心臓疾患の分類と予測
- Authors: Akua Sekyiwaa Osei-Nkwantabisa, Redeemer Ntumy,
- Abstract要約: K-Nearest Neighbor法は、患者が心臓病を患っているかどうかを判断する最も効果的な機械学習アルゴリズムであることが示されている。
追加の機械学習アルゴリズムの心臓疾患予測への応用について、さらなる研究を行うことは有益である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Heart disease is a serious worldwide health issue because it claims the lives of many people who might have been treated if the disease had been identified earlier. The leading cause of death in the world is cardiovascular disease, usually referred to as heart disease. Creating reliable, effective, and precise predictions for these diseases is one of the biggest issues facing the medical world today. Although there are tools for predicting heart diseases, they are either expensive or challenging to apply for determining a patient's risk. The best classifier for foretelling and spotting heart disease was the aim of this research. This experiment examined a range of machine learning approaches, including Logistic Regression, K-Nearest Neighbor, Support Vector Machine, and Artificial Neural Networks, to determine which machine learning algorithm was most effective at predicting heart diseases. One of the most often utilized data sets for this purpose, the UCI heart disease repository provided the data set for this study. The K-Nearest Neighbor technique was shown to be the most effective machine learning algorithm for determining whether a patient has heart disease. It will be beneficial to conduct further studies on the application of additional machine learning algorithms for heart disease prediction.
- Abstract(参考訳): 心臓病は世界中で深刻な健康問題となっている。
世界の主要な死因は心臓血管疾患であり、通常は心臓病と呼ばれる。
これらの病気の信頼性、有効、そして正確な予測を作成することは、今日医療界が直面している最大の課題の1つだ。
心臓病を予測するツールは存在するが、患者のリスクを判断するために費用がかかるか、あるいは適用が難しい。
心疾患の診断・発見に最適な分類法が本研究の目的であった。
この実験では、ロジスティック回帰(Logistic Regression)、K-Nearest Neighbor(K-Nearest Neighbor)、サポートベクトルマシン(Support Vector Machine)、人工知能ニューラルネットワーク(Artificial Neural Networks)など、さまざまな機械学習アプローチを調査し、どの機械学習アルゴリズムが心臓疾患の予測に最も効果的であるかを判定した。
この目的のために最もよく利用されるデータセットの1つとして、UCI心臓病リポジトリがこの研究のためのデータセットを提供した。
K-Nearest Neighbor法は、患者が心臓病を患っているかどうかを判断する最も効果的な機械学習アルゴリズムであることが示されている。
追加の機械学習アルゴリズムの心臓疾患予測への応用について、さらなる研究を行うことは有益である。
関連論文リスト
- Predicting Coronary Heart Disease Using a Suite of Machine Learning Models [0.1979158763744267]
冠動脈疾患は世界中で何百万人もの人に影響を与えており、医療の分野としてよく研究されている。
心臓病の診断と予測には実用的かつ正確な方法が数多く存在するが、侵襲性、遅延検出、コストといった限界がある。
機械学習アルゴリズムによる教師付き学習は、早期診断の先駆けとなる、低コスト(コンピュータによる)非侵襲的なソリューションを提供する。
論文 参考訳(メタデータ) (2024-09-21T19:22:41Z) - The Impact of Ontology on the Prediction of Cardiovascular Disease Compared to Machine Learning Algorithms [0.0]
本稿では,最も顕著な機械学習アルゴリズムと,オントロジーに基づく機械学習分類を比較し,レビューする。
これらの結果は, F-Measure, Accuracy, Recall, Precision などの混乱行列から生成された評価値を用いて評価した。
論文 参考訳(メタデータ) (2024-05-30T18:40:27Z) - A Generalizable Deep Learning System for Cardiac MRI [29.429744474335347]
本稿では,ヒト心血管疾患と健康の広さを表現できる心臓MRIの基礎的ビジョンシステムについて述べる。
深層学習モデルは自己指導型コントラスト学習によって訓練され, 関連する放射線学報告の生テキストからシネケンス心磁図の視覚的概念を学習する。
本研究の深層学習システムは,人間の心血管疾患の停滞する複雑さを理解できるだけでなく,典型的にはこれらの課題に必要とされるトレーニングデータのごく一部を応用した,目覚しい臨床段階の診断精度をもたらす臨床上の問題に向けることができることを示す。
論文 参考訳(メタデータ) (2023-12-01T05:27:29Z) - Ensemble Framework for Cardiovascular Disease Prediction [0.0]
心臓病は、世界中でコミュニケーション不能で無音な死の主な原因である。
我々は,ExtraTrees,Random Forest,XGBoostなど,複数の機械学習アルゴリズムを用いたアンサンブルを組み込んだフレームワークを提案している。
提案手法は,既存の文献よりも高い92.34%の精度を実現した。
論文 参考訳(メタデータ) (2023-06-16T17:37:43Z) - Temporal-spatial Correlation Attention Network for Clinical Data
Analysis in Intensive Care Unit [27.885961694582896]
本稿では,臨床特性予測問題に対処するための時間・適応相関注意ネットワーク(TSCAN)を提案する。
本手法は,アテンションメカニズムモデルの設計に基づいて,臨床データおよび無関係ノードにおける無関係項目を効果的に除去することができる。
また,治療方法の改善に有効な重要な結果を示す重要な臨床指標も見出すことができる。
論文 参考訳(メタデータ) (2023-06-03T00:38:40Z) - Heart Diseases Prediction Using Block-chain and Machine Learning [0.0]
データストレージと送信のセキュアな方法を提供する医療部門のために開発されたインフラはありません。
患者のデータに冗長性があるため、心臓専門医が早期に疾患を予知することは困難である。
この心臓病による死亡率の急激な増加は、早期のいくつかの重要な属性の監視と除去によって制御できる。
論文 参考訳(メタデータ) (2023-06-02T11:46:58Z) - Understanding Breast Cancer Survival: Using Causality and Language
Models on Multi-omics Data [23.850817918011863]
乳がんと診断された患者の生存にゲノムの摂動がどう影響するかを調べるために因果探索アルゴリズムを利用した。
本研究は, 因果発見アルゴリズムを用いた患者の生命予後に関する重要な要因を明らかにするものである。
結果は、バイオメディカル文献に基づいて訓練された言語モデルによって検証される。
論文 参考訳(メタデータ) (2023-05-28T17:07:46Z) - Early Myocardial Infarction Detection with One-Class Classification over
Multi-view Echocardiography [22.479667537086108]
心筋梗塞 (MI) は世界の死亡率と死亡率の主要な原因である。
一級分類法は、特定の対象クラスを検出するモデルを訓練するために用いられる。
マルチモーダルアプローチでは感度は85.23%、F1スコアは80.21%に達する。
論文 参考訳(メタデータ) (2022-04-14T22:21:30Z) - Machine Learning and Ensemble Approach Onto Predicting Heart Disease [0.0]
心臓血管疾患(英: Cardiovascular disease, CVD)は、心臓疾患ともいわれ、ここ数十年でヒトの死因として徐々に成長してきた疾患である。
本稿では,ロジスティック回帰,近縁近傍,サポートベクトルマシン,決定木,ガウスのナイーブベイズ,ランダムフォレスト,多層知覚論(人工ニューラルネットワーク)などの分類モデルの訓練に提供されるデータを活用する。
論文 参考訳(メタデータ) (2021-11-16T18:00:22Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳(メタデータ) (2021-04-06T02:01:43Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳(メタデータ) (2020-10-29T19:14:41Z)
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。