文献

J-GLOBAL ID：201702283362571146   整理番号：17A1779268

退院サマリー分類器の構築【Powered by NICT】

Construction of discharge summaries classifier

著者 (4件)： Tsumoto Shusaku (Department of Medical Informatics, School of Medicine, Shimane University, 89-1 Enya-cho Izumo, Shimane 693-8501 Japan) ,  Kimura Tomohiro (General Coordination DivisionDivision, Faculty of Medicine, Shimane University, 89-1 Enya-cho Izumo, Shimane 693-8501 Japan) ,  Iwata Haruko (Center for Bed-Control, Shimane University Hospital, 89-1 Enya-cho Izumo, Shimane 693-8501 Japan) ,  Hirano Shoji (Department of Medical Informatics, School of Medicine, Shimane University, 89-1 Enya-cho Izumo, Shimane 693-8501 Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCI*CC  ページ： 513-519  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： 退院要約のための分類器を構築するための方法を提案した。最初に,要約のセットに適用した形態学的解析と項行列を生成した。第二に,対応分析は分類ラベルと項マトリックスに適用し,二次元座標を生成する。カテゴリーと割り当てられた点間の距離を測定することにより,キーワードの順位は発生するであろう。,キーワードは,ランクに従って属性として選択し,分類器のための訓練例が発生する。最後に学習法は,訓練例に適用した。実験検証は,ランダムフォレストが最良の性能を達成し,二番目は小さな差を持つ深い学習者であることを示したが,多くのキーワードを用いた意思決定ツリー法は,ニューラルネットワークまたは深層学習法よりも僅かに劣っていた。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： モルフォロジー ,  学習 ,  二次元 ,  意思決定 ,  *キーワード ,  ニューラルネットワーク
準シソーラス用語： 深層学習 ,  学習者 ,  ランダムフォレスト ,  実験検証 ,  コレスポンデンス分析 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 退院サマリー ,  分類器 ,  構築