論文の概要: Learning from waste: Machine Learning for health risk prediction and computer vision-based sorting in Ghana

• arxiv url: http://arxiv.org/abs/2608.25759v1
• Date: Wed, 26 Aug 2026 13:06:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.834673
• Title: Learning from waste: Machine Learning for health risk prediction and computer vision-based sorting in Ghana
• Title（参考訳）: 廃棄物からの学習:ガーナにおける健康リスク予測とコンピュータビジョンに基づくソートのための機械学習
• Abstract要約: 汚い衛生と不適切な廃棄物管理の慣行は、実質的な経済的コストと毎年避けられる死に寄与している。 本研究は,2つのデータ駆動手法による調査を延長する。 廃棄物処理と人口調査データを用いたランダムフォレスト分類器を開発した。 MobileNetV2画像分類モデルは、視覚認識による自動廃棄物ソートを可能にし、88.2%の精度とマクロF1スコアの0.87をテストセットで達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The inappropriate disposal of solid waste remains a significant public health and environmental concern worldwide, including in Ghana. Poor sanitation and improper waste management practices contribute to substantial economic costs and avoidable deaths annually. In 2022, a field study in Atonsu, Kumasi, Ghana, reported a community-perceived relationship between household waste disposal and illness patterns, but only through descriptive analysis without quantitative validation. This study extends that investigation using two data-driven approaches. First, a Random Forest classifier was developed to predict illness categories using waste disposal practices and demographic survey data. On a held-out group of respondents who reported illness (N=69), the model obtained a macro F1 score of 0.63, with disposal method emerging as the most important substantive predictor of illness type. Second, a MobileNetV2 image classification model enabled automated waste sorting via visual recognition, achieving 88.2% accuracy and a macro F1 score of 0.87 on the test set (N=415). The vision-based approach offers an affordable, camera-driven alternative to complex multi-sensor systems, making it highly suitable for resource-constrained settings. Taken together, the findings provide quantitative evidence for a community health relationship previously documented only qualitatively. They demonstrate the potential for automated waste-sorting in low-resource environments. Importantly, the results illustrate that technological performance alone does not guarantee public health improvements; effective institutional support and implementation are equally necessary.
• Abstract（参考訳）: 固形廃棄物の不適切な処理は、ガーナを含む世界中の公衆衛生や環境問題として重要なままである。 汚い衛生と不適切な廃棄物管理の慣行は、実質的な経済的コストと毎年避けられる死に寄与している。 2022年、ガーナのクマシ・アトヌス(Atonsu, Kumasi)のフィールドスタディでは、家庭廃棄物処理と病気パターンの地域間関係が報告されたが、定量的検証のない記述分析によってのみ報告された。 本研究は,2つのデータ駆動手法による調査を延長する。 まず, 廃棄物処理と人口調査データを用いて, 病気のカテゴリーを予測するためにランダムフォレスト分類器を開発した。 疾患を報告した群 (N=69) では, マクロF1スコアが0.63で, 処理方法が病型の最重要実体予測因子として出現した。 第2に、MobileNetV2画像分類モデルにより、視覚認識による自動廃棄物ソートが可能となり、88.2%の精度とテストセットでのマクロF1スコアが0.87である(N=415)。 ビジョンベースのアプローチは、複雑なマルチセンサーシステムに代わる安価なカメラ駆動の代替を提供し、リソース制約のある設定に非常に適している。 この結果は、以前質的にのみ記録されたコミュニティの健康関係を定量的に裏付けるものである。 彼らは低リソース環境における自動廃棄物処理の可能性を示した。 重要なことは、技術的パフォーマンスだけでは公衆衛生の改善は保証されておらず、効果的な制度的支援と実施が等しく必要であることを示している。

関連論文リスト

• Foundation Models to Unlock Real-World Evidence from Nationwide Medical Claims [31.673662680042337]
  管理的クレームは、医療利用、支出、診断、処置、医薬品の詳細なコーディングの経時的記録を提供する。 2008年から2022年にかけてのMarketScanの医療イベント438億件について、ゼロからトレーニングした生成トランスフォーマーReClaimを紹介します。
  論文  参考訳（メタデータ） (2026-05-04T15:38:31Z)
• Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
  回帰に基づくタスクの基礎モデルを体系的に評価する。 我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。 乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
  論文  参考訳（メタデータ） (2026-01-29T14:06:50Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• Generative AI-Driven Decision-Making for Disease Control and Pandemic Preparedness Model 4.0 in Rural Communities of Bangladesh: Management Informatics Approach [0.7067443325368975]
  バングラデシュの農村部は深刻な医療障害に直面している。 これらの障害は、効果的な疾患管理とパンデミックの準備を妨げる。 この研究は、辺境化した農村住民の健康回復力とパンデミックの準備は、AIによる局所的な疾病管理戦略によって改善できると結論付けている。
  論文  参考訳（メタデータ） (2025-08-02T01:54:16Z)
• Targeted Data Fusion for Causal Survival Analysis Under Distribution Shift [46.84912148188679]
  複数のデータソースにまたがる因果推論は、科学的発見の一般化性と複製性を高めるための有望な道を提供する。 既存のアプローチでは、検閲や離散的かつ連続的な時間の統合など、生存分析のユニークな課題に対処できない。 マルチソース設定におけるターゲットサイト固有の因果効果を推定する2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-01-30T23:21:25Z)
• Analyzing Geospatial and Socioeconomic Disparities in Breast Cancer Screening Among Populations in the United States: Machine Learning Approach [0.3958317527488535]
  本研究はアメリカ合衆国全国の乳癌検診率を評価することを目的としている。 2018年と2020年の国勢調査におけるマンモグラフィー検診データを収集した。 72337回の国勢調査において,13変数からなる健康決定因子の大規模データセットを構築した。
  論文  参考訳（メタデータ） (2025-01-30T21:07:34Z)
• Impact on Public Health Decision Making by Utilizing Big Data Without Domain Knowledge [17.73578632982445]
  新たなデータソースと人工知能(AI)の手法は、多くの社会的応用における意思決定と関係がある。 この研究は、新しいデータソースを用いた効果的な介入の割り当てを示すためのロバストネスとモデル仕様の重要な問題を示す。
  論文  参考訳（メタデータ） (2024-02-08T21:03:34Z)
• Medical Waste Sorting: a computer vision approach for assisted primary sorting [0.0]
  医療廃棄物の一次選別を支援するコンピュータビジョンアプローチを提案する。 このアプローチの有効性は、私たちが収集し、コミュニティに提供した代表的データセット上で実証されます。
  論文  参考訳（メタデータ） (2023-03-08T17:07:02Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• 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)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。