論文の概要: A Hybrid Predictive Ensemble of Machine Learning and Deep Neural Networks for Early Cardiovascular Disease Risk Assessment

• arxiv url: http://arxiv.org/abs/2609.05146v1
• Date: Fri, 04 Sep 2026 13:49:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.060032
• Title: A Hybrid Predictive Ensemble of Machine Learning and Deep Neural Networks for Early Cardiovascular Disease Risk Assessment
• Title（参考訳）: 早期心血管疾患リスク評価のための機械学習とディープニューラルネットワークのハイブリッド・アンサンブル
• Abstract要約: 本研究では、機械学習とディープニューラルネットワークアンサンブル技術を統合した、心血管疾患の早期発見と予後診断を行うインテリジェントフレームワークを提案する。 このシステムは、ECGセンサー、心拍モニター、血圧計など、IoT(Internet of Medical Things, IoMT)デバイスから収集されたリアルタイムの生理的データを利用する。 本フレームワークは, 心血管疾患のリスク予測, 精度の向上, 偽陽性率の低減, 従来法に比べて整合性の向上に優れた性能を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study introduces an intelligent framework that integrates machine learning and deep neural network ensemble techniques for early detection and prognosis of cardiovascular diseases. The system utilizes real-time physiological data collected from Internet of Medical Things (IoMT) devices, including ECG sensors, heart rate monitors, and blood pressure trackers. To ensure the accuracy and reliability of input data, preprocessing steps such as noise reduction, normalization, and missing value imputation are employed. The most significant health indicators are identified through effective feature selection methods and then processed using optimized classifiers such as Support Vector Machines (SVM), Random Forests, and eXtreme Gradient Boosting (XGBoost), which are combined in an ensemble architecture to improve diagnostic precision. The framework demonstrates remarkable performance in predicting cardiovascular disease risk, achieving higher accuracy, reduced false positives, and enhanced consistency compared to conventional methods. It is designed on a cloud-based infrastructure that ensures scalability and real-time processing for continuous patient monitoring. Experimental evaluation on real-world cardiovascular datasets confirms the framework's efficiency in early-stage risk assessment and clinical decision support. The results highlight the potential of combining traditional machine learning and deep learning paradigms to achieve proactive healthcare management and improve patient outcomes.
• Abstract（参考訳）: 本研究では、機械学習とディープニューラルネットワークアンサンブル技術を統合した、心血管疾患の早期発見と予後診断を行うインテリジェントフレームワークを提案する。 このシステムは、ECGセンサー、心拍モニター、血圧計など、IoT(Internet of Medical Things, IoMT)デバイスから収集されたリアルタイムの生理的データを利用する。 入力データの精度と信頼性を確保するため、ノイズ低減、正規化、欠落値計算などの前処理ステップを用いる。 最も重要な健康指標は効果的な特徴選択手法によって識別され、次にSVM(Support Vector Machines)、ランダムフォレスト(Random Forests)、eXtreme Gradient Boosting(XGBoost)などの最適化された分類器を使用して処理される。 本フレームワークは, 心血管疾患のリスク予測, 精度の向上, 偽陽性率の低減, 従来法に比べて整合性の向上に優れた性能を示した。 継続的患者監視のためのスケーラビリティとリアルタイム処理を保証するクラウドベースのインフラストラクチャ上に設計されている。 実世界の心血管データセットに関する実験的評価は、早期リスク評価と臨床決定支援におけるフレームワークの効率性を確認する。 この結果は、従来の機械学習とディープラーニングのパラダイムを組み合わせることで、積極的な医療管理を実現し、患者の成果を改善する可能性を浮き彫りにしている。

関連論文リスト

• Physics-Informed Deep Learning for False Ventricular Tachycardia Alarm Reduction in the ICU [44.313512671851306]
  軽度心室頻拍(VT)アラームは集中治療単位のアラーム疲労の原因となる。 本稿では,1D SE-ResNetと ICU-realistic Data Augmentation を組み合わせたディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T16:33:07Z)
• Improving Cardiac Risk Prediction Using Data Generation Techniques [37.94487163156369]
  本研究は,実世界の観測と整合したリアルな臨床記録の合成のためのアーキテクチャを提案する。 主な目的は、心的リスク予測モデルの性能を高めるため、利用可能なデータセットのサイズと多様性を高めることである。
  論文  参考訳（メタデータ） (2025-12-19T10:17:00Z)
• Consciousness-ECG Transformer for Conscious State Estimation System with Real-Time Monitoring [40.49243145490585]
  非侵襲的で信頼性の高い意識状態推定に心電図(ECG)信号を利用する変圧器を提案する。 我々のアプローチでは、意識状態と無意識状態を区別する心拍変動特性を効果的に捉えるために、クエリアテンションを分離したトランスフォーマーを用いている。 本研究は,心電図に基づく意識モニタリングが患者の安全性を高め,意識状態の理解を深める可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-10-31T05:53:41Z)
• Deep Learning-Based Pneumonia Detection from Chest X-ray Images: A CNN Approach with Performance Analysis and Clinical Implications [0.0]
  胸部X線画像から自動的に肺炎を検出するために,Conal Neural Networksを用いた複雑なディープラーニングシステムを提案する。 提案したCNNアーキテクチャは,分離可能な畳み込みやバッチ正規化,ドロップアウト正規化といった高度な手法を統合している。 精度、精度、リコール、F1スコアなどの複雑な評価指標の配列は、精度91の精度を記録して、モデル例外性能を総合的に検証する。
  論文  参考訳（メタデータ） (2025-09-26T11:58:50Z)
• EfficientNet in Digital Twin-based Cardiac Arrest Prediction and Analysis [1.6368375997929439]
  本稿では,効率的なNetベースのディープラーニングモデルとディジタルツインシステムを組み合わせた新しいフレームワークを提案する。 提案システムは予測能力において極めて正確であり、同時に効率的である。
  論文  参考訳（メタデータ） (2025-09-09T05:00:57Z)
• Sensing Cardiac Health Across Scenarios and Devices: A Multi-Modal Foundation Model Pretrained on Heterogeneous Data from 1.7 Million Individuals [36.08910150609342]
  広大で異質な健康記録から統一された表現を学習する心センシング基礎モデル(CSFM)を提案する。 我々のモデルは、複数の大規模データセットからのデータの革新的なマルチモーダル統合に基づいて事前訓練されている。 CSFMは従来のワンモーダル・ワン・タスク・アプローチより一貫して優れている。
  論文  参考訳（メタデータ） (2025-06-23T20:58:12Z)
• Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
  我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。 シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。 提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
  論文  参考訳（メタデータ） (2024-12-23T13:05:17Z)
• Electrocardiogram (ECG) Based Cardiac Arrhythmia Detection and Classification using Machine Learning Algorithms [0.0]
  機械学習(ML)と深層学習(DL)は、診断、予後、重篤な健康状態の治療を改善するために、医学の新たな展望を開いている。 本稿では,不整脈心電図(ECG)信号を分類するための予測精度の高いMLモデルの開発に着目する。
  論文  参考訳（メタデータ） (2024-12-07T08:29:44Z)
• Deciphering Cardiac Destiny: Unveiling Future Risks Through Cutting-Edge Machine Learning Approaches [0.0]
  本研究の目的は,心停止事故のタイムリー同定のための予測モデルの開発と評価である。 我々は、XGBoost、Gradient Boosting、Naive Bayesといった機械学習アルゴリズムと、リカレントニューラルネットワーク(RNN)によるディープラーニング(DL)アプローチを採用しています。 厳密な実験と検証により,RNNモデルの優れた性能が示された。
  論文  参考訳（メタデータ） (2024-09-03T19:18:16Z)
• Comparative Study of Machine Learning Algorithms in Detecting Cardiovascular Diseases [0.0]
  機械学習技術を用いた心血管疾患(CVD)の検出は、医学的診断において大きな進歩を示している。 本研究では,ロジスティック回帰,決定木,ランダムフォレスト,グラディエントブースティング,サポートベクトルマシン(SVM),K-Nearest Neighbors(KNN),XGBoostなど,さまざまな機械学習アルゴリズムの比較分析を行った。 本研究は,アンサンブル法と高度なアルゴリズムを用いて信頼性の高い予測を行い,CVD検出のための包括的枠組みを提供する。
  論文  参考訳（メタデータ） (2024-05-27T11:29:54Z)
• SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
  心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。 光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。 本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-15T01:07:08Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)

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。