文献

J-GLOBAL ID：201702217449611394   整理番号：17A0853608

欠測データを用いた高次元変数の多重型の非再環流を予測するための適応的ロジスティックグループLasso法【Powered by NICT】

Adaptive logistic group Lasso method for predicting the no-reflow among the multiple types of high-dimensional variables with missing data

著者 (8件)： Yang Xianglin (School of Electronics Engineering and Computer Science, Peking University, Beijing 100871, China) ,  Yunhai Tong (School of Electronics Engineering and Computer Science, Peking University, Beijing 100871, China) ,  Xiangfeng Meng (School of Electronics Engineering and Computer Science, Peking University, Beijing 100871, China) ,  Shuai Zhao (School of Electronics Engineering and Computer Science, Peking University, Beijing 100871, China) ,  Zhi Xu (State Key Laboratory of Space Medicine Fundamentals and Application, China Astronaut Research and Training Center, Beijing 100094, China) ,  Yanjun Li (State Key Laboratory of Space Medicine Fundamentals and Application, China Astronaut Research and Training Center, Beijing 100094, China) ,  Xin Jia (State Grid Beijing Haidian Electric Power Supply Company, 100086, China) ,  Shaohua Tan (School of Electronics Engineering and Computer Science, Peking University, Beijing 100871, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICSESS  ページ： 1085-1089  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： No-Reflow現象の予測は多くの注目を喚起し,院内死亡率の上昇,悪性不整脈,および心不全との独立した関連性のためである。無血流再開の予測に関する多くの研究は,ほんのいくつかの予測因子に焦点を当てて行った。ビッグデータ時代が到来したとして,高次元予測因子である予測に利用可能である。しかし,共通の問題として,電子医療記録(EMR)システムからのヘルスケアにおけるビッグデータ分析は多くの挑戦に直面している,欠落データ処理,複数タイプ変数処理と高次元データ予測である。改良された重み付きK最近傍と適応ロジスティックグループLassoに基づく一般的な方法は,欠落データのある複数タイプ変数の間の心臓手術後の無血流再開を予測するために提案した。ロジスティック回帰,Lasso法と人工ニューラルネットワーク法と比較して,提案手法では,no-reflow現象予測のための低い誤分類誤り率と複雑さの少ないモデルを持ち,欠落データのある複数タイプ変数の中で予測する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： データ処理 ,  *予測 ,  ニューラルネットワーク ,  *高次元 ,  不整脈 ,  誤り率 ,  電子カルテ ,  心臓外科 ,  心不全 ,  病歴
準シソーラス用語： ロジスティック回帰分析 ,  高次元データ ,  ビッグデータ ,  予測因子 ,  院内死亡率 ,  *欠測値 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 欠測データ ,  高次元 ,  変数 ,  多重 ,  環流 ,  予測 ,  適応