Hybrid Approach Combining Ultrasound and Blood Test Analysis with a Voting Classifier for Accurate Liver Fibrosis and Cirrhosis Assessment

要約

肝臓肝硬変は、正常な肝臓組織の線維性瘢痕組織の置換と主要な健康上の合併症を引き起こす潜行性の状態です。
肝生検を使用した従来の診断方法は侵襲的であり、したがって、定期的なスクリーニングで使用するのに不便です。
この論文では、機械学習技術と臨床データおよび超音波スカンを組み合わせたハイブリッドモデルを紹介し、肝臓線維症と肝硬変検出の精度を改善します。
このモデルは、固定された血液検査の確率を、超音波画像の深い学習モデルの予測（Densenet-2011）と統合します。
組み合わせたハイブリッドモデルは、92.5％の精度を達成しました。
この調査結果は、診断の精度を高め、肝臓疾患ケアの早期介入をサポートする際に、結合されたモデルの実行可能性を確立します。

要約(オリジナル)

Liver cirrhosis is an insidious condition involving the substitution of normal liver tissue with fibrous scar tissue and causing major health complications. The conventional method of diagnosis using liver biopsy is invasive and, therefore, inconvenient for use in regular screening. In this paper,we present a hybrid model that combines machine learning techniques with clinical data and ultrasoundscans to improve liver fibrosis and cirrhosis detection accuracy is presented. The model integrates fixed blood test probabilities with deep learning model predictions (DenseNet-201) for ultrasonic images. The combined hybrid model achieved an accuracy of 92.5%. The findings establish the viability of the combined model in enhancing diagnosis accuracy and supporting early intervention in liver disease care.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google