慢性腎臓病のXceptionNetと調和アダックス最適化による検出

科学分野:

• 腎臓病学と人工知能
• 医用画像と診断
• 計算健康科学

背景:

• 慢性腎臓病（CKD）は、深刻な健康合併症につながる進行性の腎機能障害です。
• 早期CKD検出は、腎不全の予防と高血圧や糖尿病などの二次的状態の管理に不可欠です。
• 既存の検出方法には、一般化とクラス不均衡に関する課題があり、正確な早期診断を妨げています。

研究 の 目的:

• 慢性腎臓病（CKD）の早期検出を強化するための最適化された深層学習フレームワークを開発および検証すること。
• 現在のCKD検出方法の限界、特に一般化とクラス不均衡の問題に対処すること。
• 患者の転帰を改善するために、CKD診断の精度と信頼性を向上させること。

主な方法:

• XceptionNetと調和アダックス最適化アルゴリズム（HAOA）を統合した新しいCKD検出フレームワークを提案しました。
• このフレームワークは、シグモイド正規化、Soergelメトリックを使用した深層信念ネットワーク（DBN）による特徴融合、およびデータ拡張のための合成マイノリティオーバーサンプリング技術（SMOTE）を採用しました。
• HAOAアルゴリズムは、調和解析とアダックス最適化アルゴリズム（AOA）を組み合わせることによって開発されました。

主要な成果:

• 提案されたHAOAによるXceptionモデルは、複数のCKDデータセットで高いパフォーマンスを示しました。
• 真陽性率（TPR）94.679％、真陰性率（TNR）92.777％、全体精度93.667％を達成しました。
• 精度92.258％、F1スコア93.453％を報告し、堅牢な診断能力を示しました。

結論:

• 開発された深層学習フレームワークは、早期CKD診断に効果的なソリューションを提供します。
• XceptionNetとHAOAの統合は、検出精度を大幅に向上させ、既存の限界を克服します。
• このアプローチは、適時介入を通じて腎不全率を削減し、患者の予後を改善する可能性があります。