論文の概要: Performance Analysis of Machine Learning Algorithms in Chronic Kidney Disease Prediction

• arxiv url: http://arxiv.org/abs/2510.09493v1
• Date: Fri, 10 Oct 2025 15:54:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:49.326318
• Title: Performance Analysis of Machine Learning Algorithms in Chronic Kidney Disease Prediction
• Title（参考訳）: 慢性腎臓病予測における機械学習アルゴリズムの性能解析
• Authors: Iftekhar Ahmed, Tanzil Ebad Chowdhury, Biggo Bushon Routh, Nafisa Tasmiya, Shadman Sakib, Adil Ahmed Chowdhury,
• Abstract要約: 世界の人口の約10%は慢性腎臓病(CKD)の影響を受けていると考えられており、腎機能低下の原因となっている。 そこで本研究では,CKDの診断のための疾患予測型コンピュータ支援設計を考案し,提案した。
• 参考スコア（独自算出の注目度）: 2.5180274967765643
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Kidneys are the filter of the human body. About 10% of the global population is thought to be affected by Chronic Kidney Disease (CKD), which causes kidney function to decline. To protect in danger patients from additional kidney damage, effective risk evaluation of CKD and appropriate CKD monitoring are crucial. Due to quick and precise detection capabilities, Machine Learning models can help practitioners accomplish this goal efficiently; therefore, an enormous number of diagnosis systems and processes in the healthcare sector nowadays are relying on machine learning due to its disease prediction capability. In this study, we designed and suggested disease predictive computer-aided designs for the diagnosis of CKD. The dataset for CKD is attained from the repository of machine learning of UCL, with a few missing values; those are filled in using "mean-mode" and "Random sampling method" strategies. After successfully achieving the missing data, eight ML techniques (Random Forest, SVM, Naive Bayes, Logistic Regression, KNN, XGBoost, Decision Tree, and AdaBoost) were used to establish models, and the performance evaluation comparisons among the result accuracies are measured by the techniques to find the machine learning models with the highest accuracy. Among them, Random Forest as well as Logistic Regression showed an outstanding 99% accuracy, followed by the Ada Boost, XGBoost, Naive Bayes, Decision Tree, and SVM, whereas the KNN classifier model stands last with an accuracy of 73%.
• Abstract（参考訳）: 腎臓は人間の身体のフィルターである。 世界の人口の約10%は慢性腎臓病(CKD)の影響を受けていると考えられており、腎機能低下の原因となっている。 危険患者を腎障害から保護するためには、CKDの効果的なリスク評価と適切なCKDモニタリングが重要である。 迅速かつ正確な検出能力により、機械学習モデルは、実践者がこの目標を効率的に達成するのに役立つ。 そこで本研究では,CKDの診断のための疾患予測型コンピュータ支援設計を考案し,提案した。 CKDのデータセットは、UCLの機械学習のリポジトリから取得され、いくつかの欠落した値がある。 その結果,8つのML手法(ランサムフォレスト,SVM,ネイブベイズ,ロジスティック回帰,KNN,XGBoost,決定木,AdaBoost)をモデル構築に利用し,精度の高い機械学習モデルを求める手法を用いて,結果の精度比較を行った。 このうち、ランダムフォレストとロジスティック回帰は99%の精度を示し、続いてAda Boost、XGBoost、Naive Bayes、Decision Tree、SVMが続いた。

関連論文リスト

• A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
  RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。 腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
  論文  参考訳（メタデータ） (2025-08-22T17:48:19Z)
• Predicting Length of Stay in Neurological ICU Patients Using Classical Machine Learning and Neural Network Models: A Benchmark Study on MIMIC-IV [49.1574468325115]
  本研究は、MIMIC-IVデータセットに基づく神経疾患患者を対象とした、ICUにおけるLOS予測のための複数のMLアプローチについて検討する。 評価されたモデルには、古典的MLアルゴリズム(K-Nearest Neighbors、Random Forest、XGBoost、CatBoost)とニューラルネットワーク(LSTM、BERT、テンポラルフュージョントランス)が含まれる。
  論文  参考訳（メタデータ） (2025-05-23T14:06:42Z)
• Improving Chronic Kidney Disease Detection Efficiency: Fine Tuned CatBoost and Nature-Inspired Algorithms with Explainable AI [0.0]
  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。
  論文  参考訳（メタデータ） (2025-04-05T19:41:47Z)
• 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)
• A Novel Ensemble-Based Deep Learning Model with Explainable AI for Accurate Kidney Disease Diagnosis [3.84521268332112]
  慢性腎臓病 (CKD) は, 腎機能低下が特徴である。 本研究は,CKDの早期検出のための最先端移動学習モデルの適用について検討した。
  論文  参考訳（メタデータ） (2024-12-12T17:18:49Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Virchow: A Million-Slide Digital Pathology Foundation Model [34.38679208931425]
  本稿では,コンピュータ病理学の基礎モデルであるVirchowを紹介する。 Virchowは、150万のヘマトキシリンとエオシン染色されたスライドイメージに基づいて、632万のパラメータをトレーニングしたビジョントランスフォーマーモデルである。
  論文  参考訳（メタデータ） (2023-09-14T15:09:35Z)
• 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)
• An Explainable Classification Model for Chronic Kidney Disease Patients [0.0]
  慢性腎臓病(CKD)は、世界的に増加し、医療システムに高いコストがかかる。 データマイニングによるCKD指標の微妙なパターンの発見は、早期診断に寄与する。 本研究は、CKD患者の早期診断において、医療専門家を支援する分類器モデルを開発する。
  論文  参考訳（メタデータ） (2021-05-21T14:09:43Z)

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。