Published January 1, 2021
| Version v1
Publication
Open
A Novel Bayesian Optimization-Based Machine Learning Framework for COVID-19 Detection From Inpatient Facility Data
Creators
- 1. Khulna University
- 2. Taif University
- 3. International University of Business Agriculture and Technology
- 4. University of Electronic Science and Technology of China
Description
The whole world faces a pandemic situation due to the deadly virus, namely COVID-19. It takes considerable time to get the virus well-matured to be traced, and during this time, it may be transmitted among other people. To get rid of this unexpected situation, quick identification of COVID-19 patients is required. We have designed and optimized a machine learning-based framework using inpatient's facility data that will give a user-friendly, cost-effective, and time-efficient solution to this pandemic. The proposed framework uses Bayesian optimization to optimize the hyperparameters of the classifier and ADAptive SYNthetic (ADASYN) algorithm to balance the COVID and non-COVID classes of the dataset. Although the proposed technique has been applied to nine state-of-the-art classifiers to show the efficacy, it can be used to many classifiers and classification problems. It is evident from this study that eXtreme Gradient Boosting (XGB) provides the highest Kappa index of 97.00%. Compared to without ADASYN, our proposed approach yields an improvement in the kappa index of 96.94%. Besides, Bayesian optimization has been compared to grid search, random search to show efficiency. Furthermore, the most dominating features have been identified using SHapely Adaptive exPlanations (SHAP) analysis. A comparison has also been made among other related works. The proposed method is capable enough of tracing COVID patients spending less time than that of the conventional techniques. Finally, two potential applications, namely, clinically operable decision tree and decision support system, have been demonstrated to support clinical staff and build a recommender system.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يواجه العالم بأسره حالة جائحة بسبب الفيروس القاتل، أي كوفيد-19. يستغرق الأمر وقتًا طويلاً لتتبع الفيروس جيدًا، وخلال هذا الوقت، قد ينتقل بين أشخاص آخرين. للتخلص من هذا الوضع غير المتوقع، يلزم تحديد سريع لمرضى كوفيد-19. لقد قمنا بتصميم وتحسين إطار قائم على التعلم الآلي باستخدام بيانات منشأة المرضى الداخليين التي ستوفر حلاً سهل الاستخدام وفعالاً من حيث التكلفة وفعالاً من حيث الوقت لهذا الوباء. يستخدم الإطار المقترح التحسين البايزي لتحسين المعلمات الفائقة للمصنف وخوارزمية SYNthetic (ADASYN) لموازنة فئات كوفيد وغير كوفيد في مجموعة البيانات. على الرغم من تطبيق التقنية المقترحة على تسعة مصنفات حديثة لإظهار الفعالية، إلا أنه يمكن استخدامها للعديد من المصنفات ومشاكل التصنيف. يتضح من هذه الدراسة أن تعزيز التدرج الشديد (XGB) يوفر أعلى مؤشر كابا بنسبة 97.00 ٪. مقارنة بدون ADASYN، ينتج عن نهجنا المقترح تحسن في مؤشر KAPPA بنسبة 96.94 ٪. إلى جانب ذلك، تمت مقارنة التحسين البايزي بالبحث في الشبكة، والبحث العشوائي لإظهار الكفاءة. علاوة على ذلك، تم تحديد الميزات الأكثر هيمنة باستخدام تحليل Shapely Adaptive exPlanations (SHAP). كما أجريت مقارنة بين الأعمال الأخرى ذات الصلة. الطريقة المقترحة قادرة بما فيه الكفاية على تتبع مرضى كوفيد الذين يقضون وقتًا أقل من التقنيات التقليدية. أخيرًا، تم إثبات تطبيقين محتملين، وهما شجرة القرار القابلة للتشغيل سريريًا ونظام دعم القرار، لدعم الموظفين السريريين وبناء نظام التوصية.Translated Description (French)
Le monde entier est confronté à une situation de pandémie due au virus mortel, à savoir le COVID-19. Il faut un temps considérable pour que le virus soit bien mûr pour être tracé, et pendant ce temps, il peut être transmis entre autres personnes. Pour se débarrasser de cette situation inattendue, une identification rapide des patients atteints de COVID-19 est nécessaire. Nous avons conçu et optimisé un cadre basé sur l'apprentissage automatique en utilisant les données des établissements hospitaliers qui fourniront une solution conviviale, rentable et rapide à cette pandémie. Le cadre proposé utilise l'optimisation bayésienne pour optimiser les hyperparamètres du classificateur et l'algorithme ADAptive SYNthetic (ADASYN) pour équilibrer les classes COVID et non-COVID de l'ensemble de données. Bien que la technique proposée ait été appliquée à neuf classificateurs de pointe pour montrer l'efficacité, elle peut être utilisée pour de nombreux classificateurs et problèmes de classification. Il ressort de cette étude que l'eXtreme Gradient Boosting (XGB) fournit l'indice Kappa le plus élevé de 97,00 %. Par rapport à sans ADASYN, notre approche proposée donne une amélioration de l'indice kappa de 96,94%. En outre, l'optimisation bayésienne a été comparée à la recherche de grille, à la recherche aléatoire pour montrer l'efficacité. En outre, les caractéristiques les plus dominantes ont été identifiées à l'aide de l'analyse SHAP (SHap). Une comparaison a également été faite entre d'autres travaux connexes. La méthode proposée est suffisamment capable de tracer les patients COVID qui passent moins de temps que les techniques conventionnelles. Enfin, deux applications potentielles, à savoir l'arbre de décision cliniquement exploitable et le système d'aide à la décision, ont été démontrées pour soutenir le personnel clinique et construire un système de recommandation.Translated Description (Spanish)
El mundo entero se enfrenta a una situación de pandemia debido al virus mortal, el COVID-19. Se necesita un tiempo considerable para rastrear el virus bien maduro, y durante este tiempo, puede transmitirse entre otras personas. Para deshacerse de esta situación inesperada, se requiere una identificación rápida de los pacientes con COVID-19. Hemos diseñado y optimizado un marco basado en el aprendizaje automático utilizando datos de las instalaciones de los pacientes hospitalizados que brindarán una solución fácil de usar, rentable y eficiente en el tiempo para esta pandemia. El marco propuesto utiliza la optimización bayesiana para optimizar los hiperparámetros del clasificador y el algoritmo ADAptive SYNthetic (ADASYN) para equilibrar las clases COVID y no COVID del conjunto de datos. Aunque la técnica propuesta se ha aplicado a nueve clasificadores de última generación para mostrar la eficacia, se puede utilizar para muchos clasificadores y problemas de clasificación. Es evidente a partir de este estudio que eXtreme Gradient Boosting (XGB) proporciona el índice Kappa más alto del 97.00%. En comparación con sin ADASYN, nuestro enfoque propuesto produce una mejora en el índice kappa del 96,94%. Además, la optimización bayesiana se ha comparado con la búsqueda en cuadrícula, la búsqueda aleatoria para mostrar la eficiencia. Además, las características más dominantes se han identificado utilizando el análisis SHapely Adaptive exPlanations (SHAP). También se ha realizado una comparativa entre otros trabajos relacionados. El método propuesto es lo suficientemente capaz de rastrear a los pacientes con COVID que pasan menos tiempo que el de las técnicas convencionales. Finalmente, se ha demostrado que dos aplicaciones potenciales, a saber, el árbol de decisiones clínicamente operable y el sistema de apoyo a la decisión, apoyan al personal clínico y crean un sistema de recomendación.Files
09319642.pdf.pdf
Files
(245 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:1db2356206194d2607933ffcb70ff7e7
|
245 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- إطار تعلم آلي جديد قائم على التحسين البايزي للكشف عن COVID -19 من بيانات منشأة المرضى الداخليين
- Translated title (French)
- Un nouveau cadre d'apprentissage automatique basé sur l'optimisation bayésienne pour la détection de la COVID-19 à partir des données des établissements hospitaliers
- Translated title (Spanish)
- Un nuevo marco de aprendizaje automático basado en la optimización bayesiana para la detección de COVID-19 a partir de datos de centros hospitalarios
Identifiers
- Other
- https://openalex.org/W3118490356
- DOI
- 10.1109/access.2021.3050852
References
- https://openalex.org/W2001619934
- https://openalex.org/W2072184377
- https://openalex.org/W2104933073
- https://openalex.org/W2107541057
- https://openalex.org/W2115098571
- https://openalex.org/W2118414527
- https://openalex.org/W2131414141
- https://openalex.org/W2137977421
- https://openalex.org/W2161278885
- https://openalex.org/W2167277498
- https://openalex.org/W2171033594
- https://openalex.org/W2468462628
- https://openalex.org/W2557488584
- https://openalex.org/W2620829832
- https://openalex.org/W2662684858
- https://openalex.org/W2736848882
- https://openalex.org/W2794238513
- https://openalex.org/W2798421489
- https://openalex.org/W2802235618
- https://openalex.org/W2911964244
- https://openalex.org/W2919979744
- https://openalex.org/W2980779853
- https://openalex.org/W3004204682
- https://openalex.org/W3010381061
- https://openalex.org/W3012099172
- https://openalex.org/W3014903039
- https://openalex.org/W3014974411
- https://openalex.org/W3016056765
- https://openalex.org/W3017855299
- https://openalex.org/W3022787740
- https://openalex.org/W3023156552
- https://openalex.org/W3025394897
- https://openalex.org/W3025464096
- https://openalex.org/W3025504737
- https://openalex.org/W3033226475
- https://openalex.org/W3033857292
- https://openalex.org/W3036674813
- https://openalex.org/W3037326486
- https://openalex.org/W3038102268
- https://openalex.org/W3038925693
- https://openalex.org/W3038953616
- https://openalex.org/W3039198011
- https://openalex.org/W3040299034
- https://openalex.org/W3041160213
- https://openalex.org/W3042218092
- https://openalex.org/W3042331631
- https://openalex.org/W3043858811
- https://openalex.org/W3044240928
- https://openalex.org/W3045160318
- https://openalex.org/W3082946543
- https://openalex.org/W3087795675
- https://openalex.org/W3092256953
- https://openalex.org/W3104612611
- https://openalex.org/W3122085989
- https://openalex.org/W3153743799
- https://openalex.org/W3164020550
- https://openalex.org/W4225762034
- https://openalex.org/W4232552111
- https://openalex.org/W4239510810
- https://openalex.org/W4295313945