文献

J-GLOBAL ID：201702238473747126   整理番号：17A1263082

多層パーセプトロンネットワークを用いた肝移植における生存率の長期予測【Powered by NICT】

Long-Term Forecasting the Survival in Liver Transplantation Using Multilayer Perceptron Networks

著者 (2件)： Raji C. G. (Manonmaniam Sundaranar University, Tirunelveli, India) ,  Vinod Chandra S. S. (Computer Centre, University of Kerala, Thiruvananthapuram, India)
資料名： IEEE Transactions on Systems, Man, and Cybernetics: Systems  (IEEE Transactions on Systems, Man, and Cybernetics: Systems)
巻： 47  号： 8  ページ： 2318-2329  発行年： 2017年 
JST資料番号： C0425D  ISSN： 2168-2216  CODEN： ITSMFE  資料種別： 逐次刊行物 (A)
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： 健康ケアで出現している領域となっている医療予後。生存解析手順に基づく幾つかの信頼性の高い予測モデルは,様々なドメインのに使用でき,成功の程度が異なるされてきた。コンピュータ化された医療意思決定支援システムの更なる進歩を用いた増強モデルを理解する外科的転帰のための構築戦略における臨床医と医師を助ける。10倍交差検証(CV)は臓器供給米国ネットワークデータベースから得られた医療入力データセットに適用した。膨大なデータベースの次元縮小を行うためには,ランキングと主成分分析(PCA)を行った。属性間の関係を認め,種々の相関ルールマイニング技術を用いて証明,事前,第3,treapアルゴリズムである。結果を確認するために,相関ルールマイニングアルゴリズムにより生成されるルール前後PCAも行った後を比較した。は肝臓移植を受け(LT)肝患者の長期生存の予測のための効率的で正確な人工神経回路網(ANN)モデルを提案した。10倍CVは臓器供給米国ネットワークデータベースから得られた医療入力データセットに適用した。後の肝患者の予測における13年の生存分析を行った。肝臓はデータ属性の適切な選択を持つ多層パーセプトロンANNモデルを用いて別々に13年間のデータを追跡訓練した。著者らのモデルは,特異性,感度,及び正確度の点で既存のモデルより優れていた。既存アプローチの比較から,提案モデルでは,後の生存解析における高精度を示した。肝臓データをフォローアップの13年間の生存確率を評価し,提案した予測モデルである後の患者の生存の長期予後に適していることを証明した。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： 意思決定支援システム ,  *生存率 ,  医師 ,  *多層パーセプトロン ,  アルゴリズム ,  内臓 ,  予測モデル ,  *ネットワーク ,  等級づけ ,  患者 ,  アメリカ合衆国 ,  主成分分析 ,  データベース
準シソーラス用語： アソシエーション分析 ,  生存率分析 , 【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)： 多層パーセプトロン ,  肝移植 ,  生存 ,  長期予測