論文の概要: Heart Disease Prediction using Case Based Reasoning (CBR)

• arxiv url: http://arxiv.org/abs/2512.13078v1
• Date: Mon, 15 Dec 2025 08:20:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.582096
• Title: Heart Disease Prediction using Case Based Reasoning (CBR)
• Title（参考訳）: 症例ベース推論(CBR)を用いた心疾患の予測
• Authors: Mohaiminul Islam Bhuiyan, Chan Hue Wah, Nur Shazwani Kamarudin, Nur Hafieza Ismail, Ahmad Fakhri Ab Nasir,
• Abstract要約: 本研究では,ファジィ論理,ニューラルネットワーク,ケースベース推論(CBR)の3つのインテリジェントシステム手法に焦点を当てた。 ケースベース推論(CBR)は、心疾患の予測において97.95%の顕著な精度を達成した。 心臓病の確率は男性57.76%、女性42.24%であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: This study provides an overview of heart disease prediction using an intelligent system. Predicting disease accurately is crucial in the medical field, but traditional methods relying solely on a doctor's experience often lack precision. To address this limitation, intelligent systems are applied as an alternative to traditional approaches. While various intelligent system methods exist, this study focuses on three: Fuzzy Logic, Neural Networks, and Case-Based Reasoning (CBR). A comparison of these techniques in terms of accuracy was conducted, and ultimately, Case-Based Reasoning (CBR) was selected for heart disease prediction. In the prediction phase, the heart disease dataset underwent data pre-processing to clean the data and data splitting to separate it into training and testing sets. The chosen intelligent system was then employed to predict heart disease outcomes based on the processed data. The experiment concluded with Case-Based Reasoning (CBR) achieving a notable accuracy rate of 97.95% in predicting heart disease. The findings also revealed that the probability of heart disease was 57.76% for males and 42.24% for females. Further analysis from related studies suggests that factors such as smoking and alcohol consumption are significant contributors to heart disease, particularly among males.
• Abstract（参考訳）: 本研究は,知的システムを用いた心疾患の予測について概説する。 医学分野では病気を正確に予測することが重要であるが、医師の経験にのみ依存する伝統的な方法には精度が欠けていることが多い。 この制限に対処するために、インテリジェントシステムは従来のアプローチに代わるものとして適用される。 様々なインテリジェントなシステム手法が存在するが、本研究ではファジィ論理、ニューラルネットワーク、ケースベース推論(CBR)の3つに焦点を当てている。 これらの手法を精度で比較し, 最終的に心疾患予測のためにケースベース推論(CBR)を選択した。 予測フェーズでは、心臓病データセットがデータ前処理を実行し、データとデータを分割してトレーニングとテストセットに分割する。 選択されたインテリジェントシステムは、処理されたデータに基づいて心臓病の結果を予測するために使用される。 この実験は、CBR(Case-Based Reasoning)によって、心臓病の予測において97.95%の顕著な精度を達成した。 また、心臓病の確率は男性57.76%、女性42.24%であった。 関連する研究からさらに分析した結果、喫煙やアルコール摂取などの要因が心臓病、特に男性において重要な要因であることが示唆された。

関連論文リスト

• MIEO: encoding clinical data to enhance cardiovascular event prediction [31.458406135473805]
  臨床データから知識を抽出し、臨床事象を予測する機械学習手法が用いられている。 有望なアプローチでは、ラベル付きデータの低可用性と、欠落した値につながるデータという、少なくとも2つの大きな問題に悩まされる。 本研究は,これらの課題に効率的に対処するための自己教師付きオートエンコーダを提案する。
  論文  参考訳（メタデータ） (2025-10-13T10:47:49Z)
• 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)
• Uncertainty-aware abstention in medical diagnosis based on medical texts [87.88110503208016]
  本研究は,AI支援医療診断における信頼性の重要課題について論じる。 本研究は,診断に自信がなければ,診断システムによる意思決定の回避を可能にする選択予測手法に焦点をあてる。 我々は、選択予測タスクにおける信頼性を高めるための新しい最先端手法であるHUQ-2を紹介する。
  論文  参考訳（メタデータ） (2025-02-25T10:15:21Z)
• A data balancing approach towards design of an expert system for Heart Disease Prediction [0.9895793818721335]
  心臓病は深刻な世界的な健康問題で、毎年何百万人もの命がかかっています。 本稿では,決定木(DT),ランダムフォレスト(RF),線形判別分析,エクストラツリーブースト,アダブーストという5つの機械学習手法を用いた。 ランダムフォレストと決定木モデルの精度は99.83%だった。
  論文  参考訳（メタデータ） (2024-07-26T08:56:13Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Evaluating The Accuracy of Classification Algorithms for Detecting Heart Disease Risk [0.0]
  本研究は、心臓疾患の医学的データセットを用いた分類アルゴリズムを利用する。 アルゴリズムの性能は,精度,感度,特異性などの標準指標を用いて評価した。 その結果、心臓病を予測する最良のアルゴリズムは、99.24%の精度でランダムフォレストであることがわかった。
  論文  参考訳（メタデータ） (2023-12-06T06:41:48Z)
• 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)
• 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)
• 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)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。