文献

J-GLOBAL ID：201702271599079324   整理番号：17A1397979

リカレントニューラルネットワーク符号器と多項式階層的回帰復号器を用いた転移性乳癌における治療意思決定の予測モデリング【Powered by NICT】

Predictive Modeling of Therapy Decisions in Metastatic Breast Cancer with Recurrent Neural Network Encoder and Multinomial Hierarchical Regression Decoder

著者 (3件)： Yang Yinchong ,  Fasching Peter A. ,  Tresp Volker
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICHI  ページ： 46-55  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： 新しい健康関連データ源の利用性増大 例えば,分子分析,健康アプリケーションと電子健康記録からは最終的に医師を圧倒する可能性があり,群集は臨床的意思決定を支援するために有用であることを分析手法を検討している。特に,深層学習における最新の開発の成功は,機械学習モデルが処理できると実際に高次元と逐次データからprofitingことを実証した。本研究では,医師の治療決定をモデル化するために符号器-復号器ネットワーク手法を提案した。著者らの方法はまた推奨意思決定を支援するために,歴史上の似通った患者症例のリストと医師を提供した。リカレントニューラルネットワーク符号器と多項式階層的回帰復号器の組合せを用いて,著者等は特異的にモデリング臨床データ:最初の二種の一般的な課題,可変長の一時的なデータの取扱いの問題,第二に,階層的決定手順を表現する必要性に取り組んでいる。千転移性乳癌患者から収集した大規模実世界データセット上での実験を行い,提案モデルでは,より伝統的なアプローチよりも優れていることを示した。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： *多項式 ,  *意思決定 ,  患者 ,  *復号器 ,  機械学習 ,  *符号器 ,  電子カルテ ,  高次元 ,  *モデリング ,  医師 ,  ネットワーク法 ,  病歴
準シソーラス用語： 深層学習 ,  健康 ,  *転移性乳癌 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 医用情報処理  (JE15030Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： リカレントニューラルネットワーク ,  符号器 ,  多項式 ,  復号器 ,  転移性乳癌 ,  治療 ,  意思決定 ,  予測 ,  モデリング