論文の概要: Explainable Ensemble-Based Machine Learning Models for Detecting the Presence of Cirrhosis in Hepatitis C Patients
- arxiv url: http://arxiv.org/abs/2606.26561v1
- Date: Thu, 25 Jun 2026 03:13:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.151767
- Title: Explainable Ensemble-Based Machine Learning Models for Detecting the Presence of Cirrhosis in Hepatitis C Patients
- Title（参考訳）: C型肝炎患者の肝硬変検出のための説明可能なエンサンブルベース機械学習モデル
- Abstract要約: C型肝炎はウイルスによる肝感染症であり、肝臓の軽度から重度の炎症を引き起こす。
肝硬変を発症する前に、何十年にもわたって中等度または無症状の肝疾患を患うことがある。
硬変の治療は、病気のさらなる進行を防ぐことに焦点を当てている。
機械学習は、いくつかの疾患の診断に使用される正確で正確な情報を提供するのに有効であることが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hepatitis C is a liver infection caused by a virus, which results in mild to severe inflammation of the liver. Over many years, hepatitis C gradually damages the liver, often leading to permanent scarring, known as cirrhosis. Patients sometimes have moderate or no symptoms of liver illness for decades before developing cirrhosis. Cirrhosis typically worsens to the point of liver failure. Patients with cirrhosis may also experience brain and nerve system damage, as well as gastrointestinal hemorrhage. Treatment for cirrhosis focuses on preventing further progression of the disease. Detecting cirrhosis earlier is therefore crucial for avoiding complications. Machine learning (ML) has been shown to be effective at providing precise and accurate information for use in diagnosing several diseases. Despite this, no studies have so far used ML to detect cirrhosis in patients with hepatitis C. This study obtained a dataset consisting of 28 attributes of 2038 Egyptian patients from the ML Repository of the University of California at Irvine. Four ML algorithms were trained on the dataset to diagnose cirrhosis in hepatitis C patients: a Random Forest, a Gradient Boosting Machine, an Extreme Gradient Boosting, and an Extra Trees model. The Extra Trees model outperformed the other models achieving an accuracy of 96.92%, a recall of 94.00%, a precision of 99.81%, and an area under the receiver operating characteristic curve of 96% using only 16 of the 28 features.
- Abstract（参考訳）: C型肝炎はウイルスによる肝感染症であり、肝臓の軽度から重度の炎症を引き起こす。
長年にわたってC型肝炎は徐々に肝臓を損傷し、肝硬変と呼ばれる永久傷を負う。
肝硬変を発症する前に、何十年にもわたって中等度または無症状の肝疾患を患うことがある。
出血は通常、肝不全の点で悪化する。
硬変患者は、消化管出血と同様に、脳や神経系の損傷を経験することがある。
硬変の治療は、病気のさらなる進行を防ぐことに焦点を当てている。
より早期に肝硬変を検出することは合併症を避けるために重要である。
機械学習(ML)は、いくつかの疾患の診断に使用される正確で正確な情報を提供するのに有効であることが示されている。
この研究は、カリフォルニア大学アーバイン校のMLリポジトリから、2038人のエジプト人患者の28の属性からなるデータセットを得た。
C型肝炎患者の肝硬変を診断するためのデータセットとして,ランダムフォレスト,グラディエントブースティングマシン,エクストリームグラディエントブースティング,エクストラツリーモデルという4つのMLアルゴリズムを訓練した。
エクストラツリーのモデルは、96.92%の精度、94.00%のリコール、99.81%の精度、28種類の特徴のうち16個しか使用していないレシーバーの操作特性曲線の96%以下の領域で、他のモデルよりも優れていた。
関連論文リスト
- A Pathology Foundation Model for Gastric Cancer with Real-World Validation [47.19073124722865]
本稿では,実世界評価と臨床dEcision支援のための,胃科固有の基礎モデルであるGRACEについて述べる。
GRACEは, 症例37,493例のHE-stained whole-slide画像を中心に, 48,364例の多施設で開発された。
高齢の病理医に非劣性パフォーマンスを維持するように調整された場合、AI支援のワークフローは萎縮の60.7%、腸転移の82.7%をトリアージする可能性がある。
論文 参考訳（メタデータ） (2026-06-03T12:18:06Z) - Interpretable Machine Learning Model for Early Prediction of Acute Kidney Injury in Critically Ill Patients with Cirrhosis: A Retrospective Study [3.5626691568652507]
肝硬変は進行性肝疾患であり、死亡率が高く、合併症も頻発する。
多くの予測ツールは、精度、解釈可能性、集中治療ユニット(ICU)との整合性を欠いている。
本研究は,肝硬変患者の早期AKI予測のための解釈可能な機械学習モデルを開発した。
論文 参考訳（メタデータ） (2025-08-13T23:03:28Z) - Liver Cirrhosis Stage Estimation from MRI with Deep Learning [8.629410409506647]
マルチシーケンスMRIを用いた肝硬変自動ステージ推定のためのエンドツーエンドディープラーニングフレームワークを提案する。
本手法は,肝硬変進行段階の微妙な組織変化を捉えるために,多段階的特徴学習とシーケンス特異的注意機構を統合した。
我々の最良のモデルは、T1Wで72.8%、T2Wで63.8%の精度を達成し、従来のラジオミクスベースのアプローチよりも大幅に優れている。
論文 参考訳（メタデータ） (2025-02-23T20:50:08Z) - AI-Driven Non-Invasive Detection and Staging of Steatosis in Fatty Liver Disease Using a Novel Cascade Model and Information Fusion Techniques [1.509534070113696]
非アルコール性脂肪肝疾患(非アルコール性脂肪肝疾患、NAFLD)は、世界規模で最も多い肝疾患の1つである。
本研究では,アンサンブル学習と特徴融合技術を用いた新しい人工知能カスケードモデルを提案する。
論文 参考訳（メタデータ） (2024-12-06T09:26:22Z) - Electrocardiogram-based diagnosis of liver diseases: an externally validated and explainable machine learning approach [0.9503773054285559]
肝疾患は世界的な健康上の課題となる。
ECGは、心臓血管と肝の相互作用を捉えて肝疾患の検出を可能にする。
肝疾患を検出するため,心電図機能を用いた木ベース機械学習モデルを訓練した。
論文 参考訳（メタデータ） (2024-12-04T21:11:34Z) - Large Scale MRI Collection and Segmentation of Cirrhotic Liver [1.3157208364269697]
肝硬変は慢性肝疾患の最終段階であり,広範な線維化と結節再生を特徴とする。
肝硬変解析は, 形態変化と異種信号の特徴により, 重大な課題を呈している。
今回,628個の高分解能腹部MRI画像からなるCirrMRI600+について紹介する。
論文 参考訳（メタデータ） (2024-10-06T20:24:41Z) - Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
肝移植は肝疾患に対して必要不可欠な治療法である。
機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。
本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-18T18:24:58Z) - Realistic Ultrasound Image Synthesis for Improved Classification of
Liver Disease [54.69792905238048]
超音波(US)データから肝疾患を分類するために、畳み込みニューラルネットワーク(CNN)が研究されている。
本稿では, 現実的な疾患と健康な肝臓画像合成のための新しいGANアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-07-27T12:37:19Z) - 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) - Joint Prediction and Time Estimation of COVID-19 Developing Severe
Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。
提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。
提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文 参考訳（メタデータ） (2020-05-07T12:16:37Z) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z)
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。