論文の概要: Improving Chronic Kidney Disease Detection Efficiency: Fine Tuned CatBoost and Nature-Inspired Algorithms with Explainable AI
- arxiv url: http://arxiv.org/abs/2504.04262v1
- Date: Sat, 05 Apr 2025 19:41:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-16 04:55:32.970674
- Title: Improving Chronic Kidney Disease Detection Efficiency: Fine Tuned CatBoost and Nature-Inspired Algorithms with Explainable AI
- Title(参考訳): 慢性腎臓病の検出効率の改善--説明可能なAIを用いた微調整と自然刺激型アルゴリズム
- Authors: Md. Ehsanul Haque, S. M. Jahidul Islam, Jeba Maliha, Md. Shakhauat Hossan Sumon, Rumana Sharmin, Sakib Rokoni,
- Abstract要約: 慢性腎臓病(英: chronic Kidney Disease、CKD)は、世界中の何百万人もの人に影響を与え、死亡率を上昇させている世界的な健康問題である。
本研究では、ランダムフォレスト(RF)、マルチ層パーセプトロン(MLP)、ロジスティック回帰(LR)、微調整されたCatBoostアルゴリズムの4つのモデルを評価することにより、CKD検出を改善するための高度な機械学習手法を提案する。
提案したCatBoostモデルは、Simulated Annealingのような自然にインスパイアされたアルゴリズムを使用して、最も重要な機能を選択する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chronic Kidney Disease (CKD) is a major global health issue which is affecting million people around the world and with increasing rate of mortality. Mitigation of progression of CKD and better patient outcomes requires early detection. Nevertheless, limitations lie in traditional diagnostic methods, especially in resource constrained settings. This study proposes an advanced machine learning approach to enhance CKD detection by evaluating four models: Random Forest (RF), Multi-Layer Perceptron (MLP), Logistic Regression (LR), and a fine-tuned CatBoost algorithm. Specifically, among these, the fine-tuned CatBoost model demonstrated the best overall performance having an accuracy of 98.75%, an AUC of 0.9993 and a Kappa score of 97.35% of the studies. The proposed CatBoost model has used a nature inspired algorithm such as Simulated Annealing to select the most important features, Cuckoo Search to adjust outliers and grid search to fine tune its settings in such a way to achieve improved prediction accuracy. Features significance is explained by SHAP-a well-known XAI technique-for gaining transparency in the decision-making process of proposed model and bring up trust in diagnostic systems. Using SHAP, the significant clinical features were identified as specific gravity, serum creatinine, albumin, hemoglobin, and diabetes mellitus. The potential of advanced machine learning techniques in CKD detection is shown in this research, particularly for low income and middle-income healthcare settings where prompt and correct diagnoses are vital. This study seeks to provide a highly accurate, interpretable, and efficient diagnostic tool to add to efforts for early intervention and improved healthcare outcomes for all CKD patients.
- Abstract(参考訳): 慢性腎臓病(英: chronic Kidney Disease、CKD)は、世界中の何百万人もの人に影響を与え、死亡率を上昇させている世界的な健康問題である。
CKDの進行の軽減と患者の予後の改善には早期発見が必要である。
それでも、従来の診断方法、特にリソース制約のある設定には制限がある。
本研究では、ランダムフォレスト(RF)、マルチ層パーセプトロン(MLP)、ロジスティック回帰(LR)、微調整されたCatBoostアルゴリズムの4つのモデルを評価することにより、CKD検出を改善するための高度な機械学習手法を提案する。
特に、細調整されたCatBoostモデルでは、精度98.75%、AUC 0.9993、Kappaスコア97.35%の総合的な性能が示された。
提案したCatBoostモデルは、Simulated Annealingのような自然にインスパイアされたアルゴリズムを使用して、最も重要な機能を選択する。
SHAPは,提案モデルの意思決定プロセスにおける透明性の獲得と,診断システムへの信頼の獲得を目的として,XAI技術として有名である。
SHAPを用いて, 特異重力, 血清クレアチニン, アルブミン, ヘモグロビン, 糖尿病の臨床的特徴を同定した。
CKD検出における先進的な機械学習技術の可能性は,特に,迅速な診断と正しい診断が不可欠である低所得・中所得の医療環境において明らかにされている。
本研究は、CKD患者の早期介入と医療改善のために、高度に正確で、解釈可能で、効率的な診断ツールを提供することを目的とする。
関連論文リスト
- An Explainable Nature-Inspired Framework for Monkeypox Diagnosis: Xception Features Combined with NGBoost and African Vultures Optimization Algorithm [0.0]
本研究では,皮膚病変画像からのサルポックスの自動検出のための,新しいディープラーニングベースのフレームワークを提案する。
我々は、サルポックス、チキンポックス、麻疹の画像を含む新しいサルポックス皮膚病変データセット(MSLD)を用いて、モデルのトレーニングと評価を行った。
AVOA-NGBoostモデルの精度は97.53%,F1スコア97.72%,AUC97.47%であった。
論文 参考訳(メタデータ) (2025-04-24T13:32:11Z) - Detection of Disease on Nasal Breath Sound by New Lightweight Architecture: Using COVID-19 as An Example [8.488812000078125]
感染症、特に新型コロナウイルスは、世界的な健康問題であり続けている。
本研究の目的は、スマートフォンで収集した鼻呼吸音声データを用いて、効率的で正確で費用対効果の高い新型コロナウイルス検出のための、新しい、軽量なディープニューラルネットワークを開発することである。
論文 参考訳(メタデータ) (2025-04-01T12:41:53Z) - Enhancing stroke disease classification through machine learning models via a novel voting system by feature selection techniques [1.2302586529345994]
心臓病は世界中で致死率と死亡率の主要な原因である。
我々は,心臓病の分類を高度化するための特徴選択技術を備えた新しい投票システムを開発した。
XGBoostは、99%の精度、F1スコア、98%のリコール、100%のROC AUCを達成した。
論文 参考訳(メタデータ) (2025-04-01T07:16:49Z) - Congenital Heart Disease Classification Using Phonocardiograms: A Scalable Screening Tool for Diverse Environments [34.10187730651477]
先天性心疾患(CHD)は早期発見を必要とする重要な疾患である。
本研究では, 心電図(PCG)信号を用いたCHD検出のための深層学習モデルを提案する。
バングラデシュの一次データセットを含むいくつかのデータセットで、我々のモデルを評価した。
論文 参考訳(メタデータ) (2025-03-28T05:47:44Z) - Unified dimensionality reduction techniques in chronic liver disease detection [0.5242869847419834]
本研究では,多くの機械学習アルゴリズムについて検討した。
本研究の主な焦点は, 583名の患者の医療記録を含む, このデータセットである。
検索は、カスタマイズされた特徴抽出と次元削減方法の選択と使用に関する重要な新しい視点を提供する。
論文 参考訳(メタデータ) (2024-12-30T18:35:02Z) - Enhancing Diagnostic Precision in Gastric Bleeding through Automated Lesion Segmentation: A Deep DuS-KFCM Approach [20.416923956241497]
本稿では,新しい深層学習モデルDual Spatial Kernelized Constrained Fuzzy C-Means (Deep DuS-KFCM)を提案する。
このシステムは、ニューラルネットワークをファジィ論理と相乗し、出血領域を高精度かつ効率的に同定する。
本モデルでは, 前例のない87.95%の精度と96.33%の特異性を示し,同時代のセグメンテーション法より優れていた。
論文 参考訳(メタデータ) (2024-11-21T18:21:42Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis [8.193689534916988]
膝関節症 (KOA) は筋骨格障害の1つで、運動量や生活の質に深刻な影響を及ぼす。
我々は,KL-0およびKL-2ステージの識別に焦点をあてた,早期のKOA検出のための信頼性駆動型ディープラーニングフレームワークを提案する。
実験により,提案フレームワークは専門家の放射線学者に匹敵する,競争精度,感度,特異性を達成できることが示された。
論文 参考訳(メタデータ) (2023-03-23T11:57:50Z) - Federated attention consistent learning models for prostate cancer diagnosis and Gleason grading [23.911710601714162]
本研究は,大規模病理画像にまつわる課題に対処する,集中型注意一貫性学習フレームワークを提案する。
多発性前立腺癌19,461枚の全スライディング画像を用いて, がん診断およびGleason grading タスクにおけるFACLの有効性を検討した。
論文 参考訳(メタデータ) (2023-02-13T04:17:47Z) - Improving COVID-19 CT Classification of CNNs by Learning
Parameter-Efficient Representation [31.51725965329019]
深層学習法は, コンピュータ断層撮影による新型コロナウイルスの自動診断を支援するために提案されている。
DenseNet121は、正常、非COVID-19肺炎、COVID-19肺炎を含む3つのカテゴリーの分類で、平均99.44%の検査精度を達成している。
論文 参考訳(メタデータ) (2022-08-09T12:24:53Z) - SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for
Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。
皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。
本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2022-03-22T06:54:29Z) - Detecting Chronic Kidney Disease(CKD) at the Initial Stage: A Novel
Hybrid Feature-selection Method and Robust Data Preparation Pipeline for
Different ML Techniques [0.0]
慢性腎臓病(CKD)は世界中で8億人近くに感染している。毎年約170万人が死亡している。
多くの研究者は、CKDを早期に検出するために異なる機械学習(ML)手法を適用しているが、詳細な研究はいまだに欠けている。
本稿では,医療データの複雑さを最適性能で扱うための構造的かつ徹底的な手法を提案する。
論文 参考訳(メタデータ) (2022-03-02T20:38:49Z) - Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale
Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。
本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
論文 参考訳(メタデータ) (2020-06-28T19:55:34Z)
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。