文献

J-GLOBAL ID：201702253207444751   整理番号：17A0238867

大量疫学データからの疾患発生影響の同定と特性化のためのネットワーク解析【Powered by NICT】

Network analysis for identifying and characterizing disease outbreak influence from voluminous epidemiology data

著者 (5件)： Shah Naman (Department of Computer Science, Colorado State University) ,  Shah Harshil (Department of Computer Science, Colorado State University) ,  Malensek Matthew (Department of Computer Science, Colorado State University) ,  Pallickara Sangmi Lee (Department of Computer Science, Colorado State University) ,  Pallickara Shrideep (Department of Computer Science, Colorado State University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Big Data  ページ： 1222-1231  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： 家畜個体群における大規模疫学的発生のための計画は,しばしば計算集中型疾患拡大シミュレーションを含んでいる。様々な結果の確率を捕捉するために,これらのシミュレーションは代表的な入力シナリオのコレクション上で数回を実施し,大量のデータを生成した。得られたデータセットは,貴重な洞察を含む,極端な発生を導く事象の配列を含む。しかし,このような情報の発見と活用も計算的に高価である。本研究では,疾病の発生における最も影響力のある実体を位置づけそして分類するため,大量の疫学データを解析するための分散型アプローチを提案した。疾病伝播ネットワーク(DTN)を用いて,計画者やアナリストは疫学的転帰に対する不均衡な影響を及ぼすことを実体を単離し,予防接種と現場職員のような限られた資源の有効な配分を可能にする。は,筆者らのアプローチを検証するために,代表的なデータセットを用いて,影響実体の同定と他のデータセットに一般化する正確な分類のための機械学習モデルの生成を含む。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： 個体群 ,  *キャラクタリゼーション ,  予防接種 ,  シミュレーション ,  機械学習 ,  家畜 ,  *ネットワーク ,  *疫学
準シソーラス用語： 不均衡 ,  転帰 ,  感染症伝播 ,  疾病の発生 ,  *ネットワーク解析 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 疫学 ,  疾患 ,  同定 ,  特性化 ,  ネットワーク解析