文献

J-GLOBAL ID：201302208267609408   整理番号：13A1145275

区間符号化生存手法に対するリスクグループ検出および生存機能の推定

Risk group detection and survival function estimation for interval coded survival methods

著者 (8件)： VAN BELLE Vanya (Dep. of Electrical Engineering (ESAT-SCD), KU Leuven/iMinds Future Health Dep., Leuven, BEL) ,  VAN BELLE Vanya (Dep. of Mathematics and Statistics, Liverpool John Moores Univ., Liverpool, GBR) ,  NEVEN Patrick (Dep. of Gynaecological Oncology, Univ. Hospitals Leuven, Leuven, BEL) ,  NEVEN Patrick (Multidisciplinary Breast Centre (MBC), Univ. Hospitals Leuven, Leuven, BEL) ,  HARVEY Vernon (Regional Cancer Centre, Auckland City Hospital, Auckland, NZL) ,  VAN HUFFEL Sabine (Dep. of Electrical Engineering (ESAT-SCD), KU Leuven/iMinds Future Health Dep., Leuven, BEL) ,  SUYKENS Johan A.K. (Dep. of Electrical Engineering (ESAT-SCD), KU Leuven/iMinds Future Health Dep., Leuven, BEL) ,  BOYD Stephen (Dep. of Electrical Engineering, Stanford Univ., Stanford, CA, USA)
資料名： Neurocomputing  (Neurocomputing)
巻： 112  ページ： 200-210  発行年： 2013年07月18日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： データマイニングおよび機械学習における手法の極めて柔軟なモデル構造により,解釈が困難になることの多いモデルが生まれる。従って,解釈可能性が課題となるような場合のドメインでの利用が阻害される。高度なモデリング技法と,解釈可能結果を要求するドメインでの利用の間のギャップの架け橋となるために,技法の設計の中に解釈可能性側面を含めるべきである。区間符号化スコアインデクス(ICS)は最近提案されたモデルであり,それはこの条件を満たし,スコアシステムを生成するために変数に関する閾値を自動検出する。提案手法は検閲済みデータ(ICSc)に対して拡張されたが,以下の2つの問題が残されている。それらは,1)予測インデクスが与えられた時,異なるタスクグループの中に観測のグルーピングを行えるようにする方法,2)リスクグループが与えられた時,サポートベクトルマシンまたはICSモデルに基づいて生存モデルのために生存曲線の推定が可能になる方法,である。本研究では,これらの両問題に対するソリューションを提供した。ICScモデルは,予測インデクスの上で用いられ,このインデクスに関する閾値の検出を行う。リスクグループインジケータとして解釈可能なグループ型インデクスがその結果である。提案手法はさらに改善され,より低い予測インデクスを持つ観測が,より高いリスクグループに割当られることを保証した。第二の問題は,多重Kaplan-Meier曲線の同時推定により解決され,そこでは,より高いリスクグループに対して推定された生存曲線は常に,より低いリスクグループに対する曲線よりも低くなることを考慮した。提案アプローチは乳房腫瘍患者の予後に関して例示し,比例ハザードモデルとの比較を行った。これら両モデルは,識別に関して互換性を持つが,ICScリスクグループに対してはキャリブレーションがより良くなる。Copyright 2013 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *データマイニング ,  *機械学習 ,  指数 ,  符号化 ,  予後 ,  サポートベクトルマシン ,  予測技法 ,  曲線 ,  リスク ,  乳房腫瘍 ,  回帰モデル
準シソーラス用語： Kaplan-Meier曲線 ,  可解釈性 ,  可理解性 ,  区間符号化スコアインデクス ,  比例ハザードモデル

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 符号化 ,  生存 ,  手法 ,  リスク ,  グループ ,  推定