文献

J-GLOBAL ID：201702232498823332   整理番号：17A0142939

実世界定期健康診断データに基づく癌の早期リスク予測モデルと弁別特徴選択に関する研究【Powered by NICT】

Research on early risk predictive model and discriminative feature selection of cancer based on real-world routine physical examination data

著者 (2件)： Guixia Kang (Key Laboratory of Universal Wireless Communications, Ministry of Education, Beijing University of Posts and telecommunications, China) ,  Zhuang Ni (Key Laboratory of Universal Wireless Communications, Ministry of Education, Beijing University of Posts and telecommunications, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 1512-1519  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： 初期段階で多くの癌では明らかな症状を示さず,癌を診断する場合治療はもはや選択肢ではない。,早期癌のリスクに対する正確な予測を行う医学の分野で緊急に必要となっている。本論文では,著者らの目的は,ReliefFアルゴリズムに基づく癌の最も識別力のある特徴を解析するために実世界定期健康診断データを完全に利用と三機械学習(ML)アルゴリズムを利用して癌の早期リスク予測モデルを作成することである。CiMing健診センターから誘導された1か月後と,それに続く戻り訪問との物理的検査データを用いた。ReliefFアルゴリズムは三十四の特徴と2300候補からなる我々のデータコレクションからの重み値に基づくサブ(30)として書かれた上位30特徴を選択する。B-Pアルゴリズム,線形カーネルを用いた支援機ベクトルと決定木CARTに基づく4層(2隠れ層)深神経回路網(DNN)は5倍交差検証による癌のリスクを予測するために提案した。癌に対する三提案した方法の識別能力を同定するために予測精度,AUC ROC,感度及び特異性のようなこれらの基準を実装した。結果は他の二つの方法と比較して,SVMは0.926と95.27%の高いAUCと特異性を達成することを示した。優れた予測精度(86%)はDNNによって達成される。さらに,DNNのしきい値のファジィ区間を提案し,感度,特異性とDNNの精度は90.20%,94.22%および93.22%であった,改訂したしきい値間隔を用いた。研究は実世界定期健康診断データに基づくリスク特徴選択と共にML法の適用は癌予測の分野で意味があり有望であることを示した。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： アルゴリズム ,  線形性 ,  *特徴選択 ,  神経回路網 ,  機械学習 ,  曖昧さ ,  ベクトル ,  治療法 ,  ディシジョンツリー ,  データ収集
準シソーラス用語： 特異性 ,  予測精度 ,  隠れ層 ,  CART ,  *危険予測 , 【Automatic Indexing@JST】

分類 (9件)： 放射線防護一般  (MB02010O) ,  蛋白質・ペプチド一般  (EB03010N) ,  人工知能  (JE08000Z) ,  東洋医学  (GA04000I) ,  内分泌系の疾患  (GL03000I) ,  エネルギー政策・エネルギー制度  (LA01040K) ,  ホログラフィー一般  (BD03071V) ,  その他の金属組織学  (WB01040Y) ,  生物科学一般  (EA01010W)

タイトルに関連する用語 (8件)： 世界 ,  定期健康診断 ,  癌 ,  早期 ,  リスク予測 ,  モデル ,  特徴選択 ,  研究