論文の概要: Explainable AI for Chronic Kidney Disease Prediction Using Simulated Federated Learning

• arxiv url: http://arxiv.org/abs/2607.25348v1
• Date: Tue, 28 Jul 2026 06:53:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.738549
• Title: Explainable AI for Chronic Kidney Disease Prediction Using Simulated Federated Learning
• Title（参考訳）: Simulated Federated Learning を用いた慢性腎臓病予測のための説明可能なAI
• Authors: Md Zahid Hasan Ontor, Md Al Amin, Anik Dev Nath, Bikash Kumar Paul,
• Abstract要約: 慢性腎臓病(CKD)は依然として重要な公衆衛生上の課題である。 早期発見は、重篤な合併症を予防し、患者の結果を高めるために重要である。 本研究では,臨床データセットを用いたCKDの予測にVotingClassifierを用いたフェデレートラーニング(FL)を用いた。 グローバルモデルの平均精度は99%で、CKD早期診断とデータ駆動型医療ソリューションの進歩をサポートするための解釈可能なFLモデルの可能性を強調した。
• 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), characterized by the gradual loss of kidney function, remains a significant public health challenge. Early detection is crucial for preventing severe complications and enhancing patient outcomes. In this study, Federated Learning (FL) with a VotingClassifier was used to predict CKD using a clinical dataset, where Random Forest, AdaBoost, and XGBoost were utilized to compare and identify the best-fitting model for the global server. Additionally, GridSearchCV was applied to optimize the models' performance on the client's side. To enhance model transparency and trustworthiness, explainable AI (XAI) techniques were incorporated to interpret the prediction mechanisms. The global model's average accuracy was 99%, highlighting the potential of interpretable FL models in supporting early CKD diagnosis and advancing data-driven healthcare solutions.
• Abstract（参考訳）: 腎臓機能低下を特徴とする慢性腎臓病(CKD)は、公衆衛生上の大きな課題である。 早期発見は、重篤な合併症を予防し、患者の結果を高めるために重要である。 本研究では,Random Forest,AdaBoost,XGBoostの3つの臨床データセットを用いて,VotingClassifierを用いたFederated Learning(FL)を用いてCKDの予測を行った。 さらに、GridSearchCVは、クライアント側でモデルのパフォーマンスを最適化するために適用されました。 モデルの透明性と信頼性を高めるため、予測メカニズムを解釈するために説明可能なAI(XAI)技術が取り入れられた。 グローバルモデルの平均精度は99%で、CKD早期診断とデータ駆動型医療ソリューションの進歩をサポートするための解釈可能なFLモデルの可能性を強調した。

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)
• SurgeryLSTM: A Time-Aware Neural Model for Accurate and Explainable Length of Stay Prediction After Spine Surgery [44.119171920037196]
  選択的脊椎手術における滞在時間(LOS)予測のための機械学習モデルの開発と評価を行った。 我々は,従来のMLモデルと,マスク付き双方向長短期記憶(BiLSTM)であるオペレーショナルLSTMを比較した。 決定係数(R2)を用いて性能を評価し,説明可能なAIを用いて鍵予測器を同定した。
  論文  参考訳（メタデータ） (2025-07-15T01:18:28Z)
• 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)
• Efficient Precision Control in Object Detection Models for Enhanced and Reliable Ovarian Follicle Counting [37.9434503914985]
  機械学習の大きな課題は、高いリコールを可能にしながら予測の精度を制御することである。 標準的なPrecision-Recallトレードオフを解決するために、オーバーパフォーマンスな方法を提供する複数のテスト手順を使用します。 モデルに依存しないので、この文脈選択手順は、再トレーニングすることなく、任意のモデルの性能を向上させる戦略の開発への道を開く。
  論文  参考訳（メタデータ） (2025-01-23T19:04:47Z)
• Enhancing End Stage Renal Disease Outcome Prediction: A Multi-Sourced Data-Driven Approach [7.212939068975618]
  10,326人のCKD患者のデータを利用して,2009年から2018年までの臨床とクレーム情報を組み合わせた。 24ヶ月の観測窓は早期検出と予測精度のバランスをとるのに最適であると同定された。 2021年のeGFR方程式は予測精度を改善し、特にアフリカ系アメリカ人の偏見を低減した。
  論文  参考訳（メタデータ） (2024-10-02T03:21:01Z)
• 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)
• AI-Driven Predictive Analytics Approach for Early Prognosis of Chronic Kidney Disease Using Ensemble Learning and Explainable AI [0.2399911126932527]
  慢性腎臓病(英: chronic Kidney Disease、CKD)は、腎臓の構造と機能に大きな影響を及ぼし、最終的に腎不全を引き起こす異種性疾患である。 本研究の目的は、アンサンブル学習と説明可能なAIを用いて、早期予後とCKDの検出のための支配的特徴、特徴スコア、および値の可視化である。
  論文  参考訳（メタデータ） (2024-06-10T18:46:14Z)
• 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)
• 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)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)

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。