文献

J-GLOBAL ID：201702211913361487   整理番号：17A1032927

データマイニング技術を用いた乳癌再発の予測に関する研究【Powered by NICT】

A study on prediction of breast cancer recurrence using data mining techniques

著者 (2件)： Ojha Uma (Computer Science Department, ARSD College, Delhi University, Delhi-India) ,  Goel Savita (CSC, IIT-Delhi, Delhi, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Confluence  ページ： 527-530  発行年： 2017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： 乳癌は女性の最も一般的な癌であり,乳癌の早期検出は,この疾患の治療の潜在的な利点を提供することができる。早期治療は,癌を治療するのに役立つだけでなく,その再発の予防に役立つ。データマイニングアルゴリズムは挑戦的な研究問題になっている常にearl y段階乳癌の予測に大きな支援を提供することができる。本研究の主目的は,これらのデータマイニングアルゴリズムは重要な上記パラメータに基づいて患者の疾患の再発の可能性を予測することができるかを正確に見つけることである。研究を,データセットの異なるクラスタリングと分類アルゴリズムの性能を明らかにした。実験は分類アルゴリズムは,クラスタリングアルゴリズムよりも優れた予測因子であることを示した。結果をディシジョンツリー(C5.0)とSVM(サポートベクトルマシン)はホールドアウト試料の81%の精度で最良の予測因子であるとファジィc-平均法(FCM)は本論文で使用したアルゴリズムの中で最も低い精度であったof37%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： サポートベクトルマシン ,  女性 ,  *乳房腫瘍 ,  アルゴリズム ,  患者 ,  ディシジョンツリー ,  *再発
準シソーラス用語： ファジィc-平均法 ,  予測因子 ,  クラスタリングアルゴリズム ,  分類アルゴリズム ,  早期治療 , 【Automatic Indexing@JST】

分類 (3件)： データベースシステム  (JD03030U) ,  医用情報処理  (JE15030Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： データマイニング技術 ,  乳癌 ,  再発 ,  予測 ,  研究