文献

J-GLOBAL ID：201702286338413850   整理番号：17A2008290

デング熱疾患の早期発見のためのPSO(粒子群最適化)ANN(人工ニューラルネットワーク)に基づく診断モデル【Powered by NICT】

PSO-ANN based diagnostic model for the early detection of dengue disease

著者 (3件)： Gambhir Shalini (Department of Computer Science and Engineering, SRM University, Haryana, India) ,  Malik Sanjay Kumar (Department of Computer Science and Engineering, SRM University, Haryana, India) ,  Kumar Yugal (Department of Computer Science and Engineering, JUIT, Himachal Pardesh, India)
資料名： New Horizons in Translational Medicine  (New Horizons in Translational Medicine)
巻： 4  号： 1-4  ページ： 1-8  発行年： 2017年 
JST資料番号： W3033A  ISSN： 2307-5023  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： 多数機械学習アプローチのは,近年の医療データの分析のために開発した。これらの手法も疾患の正確な早期診断によるそれらの重要性を証明した。本研究の目的は,デング熱疾患の早期診断のための診断モデルを開発することである。デング熱は雌蚊のバイト(Aedes aegypti)によって拡張した。この発熱の症状はウイルスインフルエンザのチクングニア,ジカ熱などの他の発熱と類似していた。しかし,この熱における,ヒト寿命は血小板の重篤な枯渇で危険にさらされているためと考えられる。デング病の早期診断は予防運動をすることにより生活を保護に役立つ,感染症に変化した。本研究では,デング熱の早期診断のためのPSO-ANNに基づく診断モデルを開発した。提案したモデルでは,PSO(粒子群最適化)技術は,ANN法の重量とバイアスパラメータを最適化するために適用した。さらに,PSO最適化ANNアプローチは,デング熱患者を検出するために使用した。提案したモデルの有効性は,精度,感度,特異性,誤り率とAUCパラメータに基づいて評価した。提案したモデルの結果は,ANN,DT,NB,PSO(粒子群最適化)のような他の既存の手法と比較した。提案した診断モデルは,デング熱のより正確で初期検出のための熟練した強力なモデルであることを観測した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 誤り率 ,  ヒト ,  感染症 ,  血小板 ,  *最適化 ,  機械学習 ,  患者 ,  バイト ,  *ニューラルネットワーク ,  *デング熱 ,  *早期診断
準シソーラス用語： 特異性 ,  *診断モデル ,  *粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (6件)： 分類 ,  ニューラルネットワーク ,  決定木 ,  Naive Bayes ,  CART ,  PSO(粒子群最適化)

分類 (1件)： 感染症・寄生虫症一般  (GD01010H)

タイトルに関連する用語 (7件)： デング熱 ,  疾患 ,  早期発見 ,  PSO ,  粒子群最適化 ,  人工ニューラルネットワーク ,  診断モデル