論文の概要: The Role of Machine Learning in Congenital Heart Disease Diagnosis: Datasets, Algorithms, and Insights

• arxiv url: http://arxiv.org/abs/2501.04493v1
• Date: Wed, 08 Jan 2025 13:26:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:56:26.779895
• Title: The Role of Machine Learning in Congenital Heart Disease Diagnosis: Datasets, Algorithms, and Insights
• Title（参考訳）: 先天性心疾患診断における機械学習の役割--データセット,アルゴリズム,考察
• Authors: Khalil Khan, Farhan Ullah, Ikram Syed, Irfan Ullah,
• Abstract要約: 先天性心疾患は胎児の異常と出生異常の中で最も多い。 近年の機械学習の進歩は、患者のデータを活用して、先天性心疾患の早期発見を可能にする可能性を実証している。
• 参考スコア（独自算出の注目度）: 2.796146453618783
• License:
• Abstract: Congenital heart disease is among the most common fetal abnormalities and birth defects. Despite identifying numerous risk factors influencing its onset, a comprehensive understanding of its genesis and management across diverse populations remains limited. Recent advancements in machine learning have demonstrated the potential for leveraging patient data to enable early congenital heart disease detection. Over the past seven years, researchers have proposed various data-driven and algorithmic solutions to address this challenge. This paper presents a systematic review of congential heart disease recognition using machine learning, conducting a meta-analysis of 432 references from leading journals published between 2018 and 2024. A detailed investigation of 74 scholarly works highlights key factors, including databases, algorithms, applications, and solutions. Additionally, the survey outlines reported datasets used by machine learning experts for congenital heart disease recognition. Using a systematic literature review methodology, this study identifies critical challenges and opportunities in applying machine learning to congenital heart disease.
• Abstract（参考訳）: 先天性心疾患は胎児の異常と出生異常の中で最も多い。 発症に影響を及ぼす多くのリスク要因が特定されているにもかかわらず、その発生の包括的理解と多様な集団における管理は依然として限られている。 機械学習の最近の進歩は、患者のデータを活用して、先天性心疾患の早期発見を可能にする可能性を実証している。 過去7年間、研究者はこの課題に対処するために、さまざまなデータ駆動型およびアルゴリズムによるソリューションを提案してきた。 本稿は,2018年から2024年にかけて発行された主要論文からの432項目のメタ分析を行い,機械学習を用いた心臓疾患認識の体系的レビューを行った。 74の学術研究の詳細な調査は、データベース、アルゴリズム、アプリケーション、ソリューションなど、重要な要素を強調している。 さらに、この調査は、先天性心疾患の認識に機械学習の専門家が使用するデータセットを概説した。 本研究は,系統的な文献レビュー手法を用いて,先天性心疾患に機械学習を適用する上で重要な課題と機会を明らかにする。

関連論文リスト

• Multi-class heart disease Detection, Classification, and Prediction using Machine Learning Models [0.5018974919510383]
  心臓病は、特に中高年および高齢者において、世界中の早死にの主な原因である。 心臓病を含む非感染性疾患は世界の死者の25%(179万人)を占め、バングラデシュでは43,204人以上が死亡している。
  論文  参考訳（メタデータ） (2024-12-06T05:55:41Z)
• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• Artificial Intelligence in Assessing Cardiovascular Diseases and Risk Factors via Retinal Fundus Images: A Review of the Last Decade [8.500005168315292]
  近年,様々なCVD関連トピックの分析に人工知能(AI)手法の利用が注目されている。 心臓の機能をよりよく理解し、微小血管の特徴と機能に基づく変化を予想するために、研究者は現在、AIと非侵襲網膜スキャンの統合を検討している。 AIを用いた早期発見と心血管疾患の予測を大規模に活用することにより、医療システムにおける心血管イベントの数や財政的歪みを減少させる大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-11-11T13:09:11Z)
• Causal machine learning for single-cell genomics [94.28105176231739]
  単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。 まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。 次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
  論文  参考訳（メタデータ） (2023-10-23T13:35:24Z)
• 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)
• Predicting Heart Disease and Reducing Survey Time Using Machine Learning Algorithms [0.0]
  疾病予防管理センター(CDC)は毎年40万人以上の参加者から健康に関する電話調査を行っている。 本研究の目的は、アメリカにおけるCDCの心臓疾患調査の正確性を調べるために、サポートベクターマシンやロジスティック回帰などの機械学習技術を活用することである。
  論文  参考訳（メタデータ） (2023-05-30T21:15:21Z)
• Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
  本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。 アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-25T16:29:16Z)
• Machine learning based disease diagnosis: A comprehensive review [0.0]
  このレビューでは、機械学習(ML)とディープラーニング(DL)が、多くの病気の早期発見にどのように利用されているかを説明します。 1216の出版物に関する文献学的研究は、最も多作な著者、国、組織、そして最も引用された記事を決定するために行われた。 このレビューでは、機械学習ベースの疾患診断(MLBDD)の最新動向とアプローチをまとめている。
  論文  参考訳（メタデータ） (2021-12-31T16:25:23Z)
• Machine Learning-Based Heart Disease Diagnosis: A Systematic Literature Review [0.0]
  心臓病は世界中で多くの死因の1つとなっている。 最近の機械学習(ML)応用の進歩は、心電図(ECG)と患者のデータを用いて、早期に心臓病を検出することが可能であることを示している。 ECGと患者データはどちらも不均衡であることが多いため、最終的には従来のMLが偏りなく実行するという課題が提起される。
  論文  参考訳（メタデータ） (2021-12-13T07:29:39Z)
• 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)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。