論文の概要: A Clinically Interpretable Deep CNN Framework for Early Chronic Kidney Disease Prediction Using Grad-CAM-Based Explainable AI

• arxiv url: http://arxiv.org/abs/2512.09244v1
• Date: Wed, 10 Dec 2025 02:03:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.364062
• Title: A Clinically Interpretable Deep CNN Framework for Early Chronic Kidney Disease Prediction Using Grad-CAM-Based Explainable AI
• Title（参考訳）: Grad-CAM-based Explainable AI を用いた早期慢性腎臓病予測のための臨床的に解釈可能なDeep CNNフレームワーク
• Authors: Anas Bin Ayub, Nilima Sultana Niha, Md. Zahurul Haque,
• Abstract要約: 本研究では,CT腎画像からのCKD早期検出のための深部畳み込みニューラルネットワーク(CNN)を提案する。 提案した深部CNNは,慢性腎疾患(CKD)の早期診断において100%の精度で優れた分類性能を示した。
• 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) constitutes a major global medical burden, marked by the gradual deterioration of renal function, which results in the impaired clearance of metabolic waste and disturbances in systemic fluid homeostasis. Owing to its substantial contribution to worldwide morbidity and mortality, the development of reliable and efficient diagnostic approaches is critically important to facilitate early detection and prompt clinical management. This study presents a deep convolutional neural network (CNN) for early CKD detection from CT kidney images, complemented by class balancing using Synthetic Minority Over-sampling Technique (SMOTE) and interpretability via Gradient-weighted Class Activation Mapping (Grad-CAM). The model was trained and evaluated on the CT KIDNEY DATASET, which contains 12,446 CT images, including 3,709 cyst, 5,077 normal, 1,377 stone, and 2,283 tumor cases. The proposed deep CNN achieved a remarkable classification performance, attaining 100% accuracy in the early detection of chronic kidney disease (CKD). This significant advancement demonstrates strong potential for addressing critical clinical diagnostic challenges and enhancing early medical intervention strategies.
• Abstract（参考訳）: 慢性腎臓病 (CKD) は, 腎機能の段階的低下を特徴とし, 代謝性廃棄物の除去, 全身性液性ホメオスタシスの障害を生じた。 世界的致死率と死亡率に大きく貢献しているため、早期発見と早期臨床管理を促進するために、信頼性が高く効率的な診断手法の開発が重要である。 そこで本研究では,SMOTE(Synthetic Minority Over-Sampling Technique)とGrad-CAM(Grad-CAM)による解釈性を用いて,CT腎画像からのCKD早期検出のためのDeep Convolutional Neural Network(CNN)を提案する。 3,709例,正常5,077例,石1,377例,腫瘍2,283例を含む12,446例のCT画像を含む。 提案した深部CNNは,慢性腎疾患(CKD)の早期発見において,100%の精度で優れた分類性能を示した。 この顕著な進歩は、重要な臨床診断課題に対処し、早期医療介入戦略を強化する強力な可能性を示している。

関連論文リスト

• Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation [64.42236775544579]
  コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。 DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
  論文  参考訳（メタデータ） (2025-11-30T12:45:02Z)
• 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)
• 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)
• KPIs 2024 Challenge: Advancing Glomerular Segmentation from Patch- to Slide-Level [33.50484395823484]
  慢性腎臓病(CKD)は、人口の10%以上に影響を及ぼし、重大な死亡を引き起こす世界的な問題である。 Kidney Pathology Image (KPIs) Challengeは、腎臓病理解析の進歩を目的としている。
  論文  参考訳（メタデータ） (2025-02-11T06:20:28Z)
• Choroidal image analysis for OCT image sequences with applications in systemic health [2.7195102129095003]
  脈絡膜は網膜の裏側にある非常に血管状の層である。 全身性疾患の病態を反映した脈絡膜血流に対する関心が高まっている。 この論文は、コロイド測定の標準化のための多くのオープンソースツールに貢献している。
  論文  参考訳（メタデータ） (2025-02-10T23:14:09Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest CT Images [41.73507451077361]
  本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。 コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。 以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
  論文  参考訳（メタデータ） (2020-06-16T10:14:58Z)

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。