文献

J-GLOBAL ID：201702229289481021   整理番号：17A1396355

機械学習アプローチを用いた骨肉腫患者の分類【Powered by NICT】

Classifying osteosarcoma patients using machine learning approaches

著者 (6件)： Li Zhi (Department of Emergency Medicine, University of Michigan, Ann Arbor, USA) ,  Soroushmehr S.M. Reza (Department of Emergency Medicine, University of Michigan, Ann Arbor, USA) ,  Hua Yingqi (Shanghai General Hospital, Shanghai Bone Tumor Institution, Shanghai Jiaotong Univeristy, China) ,  Mao Min (Shanghai General Hospital, Shanghai Bone Tumor Institution, Shanghai Jiaotong Univeristy, China) ,  Qiu Yunping (Stable Isotope and Metabolomics Core Facility, Diabetes Center, Department of Medicine, Albert Einstein College of Medicine, Bronx, NY, USA) ,  Najarian Kayvan (Department of Emergency Medicine, University of Michigan, Ann Arbor, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 82-85  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： メタボロミクスデータ解析は骨肉腫の理解,ゲノムおよびプロテオーム研究は,限られた成功している一般的な骨悪性腫瘍を進歩させるためのユニークな機会を提供する。メタボロミクス研究の主要な目標の一つは,初期段階,転移巣切除術治療に必要なにおける骨肉腫を分類することである。本論文では,三種の分類法:ロジスティック回帰,サポートベクトルマシン(SVM)とランダムフォレスト(RF)にSJTUチームによって収集された骨肉腫患者に関する著者らのメタボロミクスデータを提示した。性能を,受信者動作特性曲線を用いて評価し,比較した。全三分類器は健常対照と腫瘍症例の識別に成功し,訓練セット(ロジスティック回帰,サポートベクトルマシンとランダムフォレストのための正解率はそれぞれ88%,90%と97%であった)で,他の二をランダムフォレスト。ランダムフォレストは,試験セットに0.99AUCと総合精度95%を達成した。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： *患者 ,  データ解析 ,  *機械学習 ,  治療法 ,  *骨肉腫 ,  サポートベクトルマシン ,  ゲノム
準シソーラス用語： 正解率 ,  腫瘍疾患 ,  ROC曲線 ,  ランダムフォレスト ,  ロジスティック回帰分析 ,  分類法 ,  プロテオーム解析 ,  メタボロミクス , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 機械学習 ,  骨肉腫 ,  患者 ,  分類