Fugu-MT 論文翻訳(概要): XEns-CKD: An Explainable Ensemble-Based Approach for Chronic Kidney Disease Stage Detection

論文の概要: XEns-CKD: An Explainable Ensemble-Based Approach for Chronic Kidney Disease Stage Detection

arxiv url: http://arxiv.org/abs/2608.07561v1
Date: Sun, 02 Aug 2026 20:59:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-11 19:16:36.435334
Title: XEns-CKD: An Explainable Ensemble-Based Approach for Chronic Kidney Disease Stage Detection
Title（参考訳）: XEns-CKD : 慢性腎臓病ステージ検出のための説明可能なアンサンブルに基づくアプローチ
Abstract要約: 超音波画像を用いた新しいアンサンブル・ビジョン・トランスフォーマーを用いたCKDステージ分類手法であるXEns-CKDを提案する。 3つのViTは、異なるトレーニングパラメータを使用して、プライベート超音波画像データセットでトレーニングされた。アンサンブルモデル全体の分類精度は86.36%に達した。
参考スコア（独自算出の注目度）: 2.0212584824609503
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Chronic kidney disease (CKD) is a silent disease. Its progression may not significantly hamper a person's daily routine. Human kidney function can be classified as normal or as one of the five stages of CKD. Early detection of the CKD stage can help patients understand the functional status of their kidneys and follow medical advice to slow CKD progression. In this paper, we propose XEns-CKD, a novel ensemble vision transformer-based scheme for CKD stage classification using ultrasound images. Three ViTs were trained on a private ultrasound image dataset using different training parameters. The performance of each ViT was evaluated using macro sensitivity, macro specificity, macro precision, macro F1-score, macro Youden index, the Matthews correlation coefficient (MCC), and macro balanced accuracy. The ensemble model achieved an overall classification accuracy of 86.36%. This work also emphasizes identifying and interpreting kidney regions affected by CKD progression. Explainable artificial intelligence techniques, including LIME, LRP, Attention-Min, and Attention-Max, were used to improve model transparency and clinical trust. An attention map combining the Attention-Min and Attention-Max results effectively identified and interpreted kidney regions affected during CKD progression from one stage to another. The attention map also highlighted the effects of CKD progression in these regions. Compared with existing methods, the proposed method classified the five CKD stages and normal kidney status with a 4% improvement in accuracy.
Abstract（参考訳）: 慢性腎臓病(CKD)は、沈黙病である。その進行は、人の日常の習慣を著しく妨げるものではない。ヒト腎臓機能は、正常またはCKDの5段階のうちの1つに分類される。 CKDステージの早期検出は、腎の機能的状態を理解し、CKDの進行を遅くするための医療アドバイスに従うのに役立つ。本稿では,超音波画像を用いた新しいアンサンブル・ビジョン・トランスフォーマーを用いたCKDステージ分類手法であるXEns-CKDを提案する。 3つのViTは、異なるトレーニングパラメータを使用して、プライベート超音波画像データセットでトレーニングされた。マクロ感度,マクロ特異性,マクロ精度,マクロF1スコア,マクロユーデン指数,マシューズ相関係数(MCC),マクロバランス精度を用いて評価を行った。アンサンブルモデル全体の分類精度は86.36%に達した。この研究は、CKD進行による腎臓領域の同定と解釈にも重点を置いている。 LIME, LRP, Attention-Min, Attention-Maxなどの説明可能な人工知能技術は、モデルの透明性と臨床信頼を改善するために用いられた。 Attention-MinとAttention-Maxを併用したアテンションマップでは,CKD進行に伴う腎臓領域の同定と解釈が可能であった。注意マップはこれらの領域におけるCKD進行の影響も強調した。既存の方法と比較して, 提案法は5つのCKDステージと正常腎状態を4%の精度で分類した。

関連論文リスト

Explainable AI for Chronic Kidney Disease Prediction Using Simulated Federated Learning [0.0]
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。
論文参考訳（メタデータ） (2026-07-28T06:53:59Z)
Performance Analysis of Machine Learning Algorithms in Chronic Kidney Disease Prediction [2.5180274967765643]
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。
論文参考訳（メタデータ） (2025-10-10T15:54:37Z)
NORA: A Nephrology-Oriented Representation Learning Approach Towards Chronic Kidney Disease Classification [2.785096184515774]
慢性腎臓病(CKD)は世界中で何百万人もの人に影響を与えているが、早期発見はいまだに難しい。我々は、教師付きコントラスト学習と非線形ランダムフォレスト分類器を組み合わせた、Nephrology-Oriented Representation leArning (NORA)アプローチを導入する。以上の結果から,NORAはクラス分離性と総合分類性能を向上し,特に早期CKDのF1スコアを向上することが示唆された。
論文参考訳（メタデータ） (2025-09-16T05:54:33Z)
LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
論文参考訳（メタデータ） (2025-08-23T07:21:23Z)
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)
Global and Local Contrastive Learning for Joint Representations from Cardiac MRI and ECG [40.407824759778784]
PTACL(Patient and Temporal Alignment Contrastive Learning)は、CMRからの時間情報を統合することで、ECG表現を強化するマルチモーダルコントラスト学習フレームワークである。英国バイオバンクの被験者27,951名を対象に,ペア心電図-CMRデータを用いたPTACLの評価を行った。心電図を用いた非侵襲的心臓診断におけるPTACLの有用性について検討した。
論文参考訳（メタデータ） (2025-06-24T17:19:39Z)
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)
Refining ADHD diagnosis with EEG: The impact of preprocessing and temporal segmentation on classification accuracy [41.94295877935867]
本研究は,脳波によるADHD診断の信頼性向上における前処理とセグメンテーションの重要性を強調した。後の脳波セグメントで訓練されたモデルは、ADHDを識別する際の認知疲労の潜在的な役割を示唆し、かなり高い精度を実現した。
論文参考訳（メタデータ） (2024-07-11T09:07:22Z)
AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文参考訳（メタデータ） (2024-07-02T16:44:00Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)

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。