文献

J-GLOBAL ID：201802240835218453   整理番号：18A1508188

長期糖尿病合併症としての心血管疾患発症リスク評価に向けた機械学習アプローチの比較【JST・京大機械翻訳】

Comparison of Machine Learning Approaches Toward Assessing the Risk of Developing Cardiovascular Disease as a Long-Term Diabetes Complication

著者 (3件)： Zarkogianni Konstantia (Biomedical Simulations and Imaging Laboratory, National Technical University of Athens, Athens, Greece) ,  Athanasiou Maria (Diabetes Center, 2nd Department of Internal Medicine, Medical School, University of Athens, Athens, Greece) ,  Thanopoulou Anastasia C. (Diabetes Center, 2nd Department of Internal Medicine, Medical School, University of Athens, Athens, Greece)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 22  号： 5  ページ： 1637-1647  発行年： 2018年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  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： 長期糖尿病合併症リスクの推定は,医療意思決定の過程において不可欠である。2型糖尿病(T2DM)の管理に対するガイドラインは,適切な治療を開始するために心臓血管疾患(CVD)リスクを計算することを推奨する。本研究の目的は,T2DM患者における致死的または非致死的CVD発生のリスクを予測することができる個人化モデルの開発に向けて,洗練された機械学習技術の使用を調査することである。利用可能なデータセットの不均衡な性質を扱う重要な挑戦は,新しいアンサンブル戦略を適用することによって扱われる。ハイブリッドウェーブレットニューラルネットワーク(HWNN)と自己組織化マップ(SOMs)は,サブサンプリング手法に従って集合を構築するための主要モデルを構成する。一次モデルの決定を組み合わせるための異なる方法を適用し,比較評価した。T2DMを有する560人の患者の5年追跡からのデータは,開発と評価目的のために使用される。最も高い識別性能(曲線下面積(AUC):71.48%)は,HWNNとSOMベースの一次モデル出力の両方を考慮することにより達成される。提案した方法は,信頼できるCVDリスクスコアを作るためにより洗練された技術を適用する必要性を正当化する二項線形回帰(BLR)モデルより優れている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 患者 ,  *心血管疾患 ,  2型糖尿病 ,  *機械学習 ,  自己組織化特徴マップ ,  血中濃度-時間曲線下面積
準シソーラス用語： 線形回帰 ,  リスクスコア ,  比較評価 ,  サブサンプリング ,  不均衡 ,  機械学習技術 ,  *発症リスク ,  *糖尿病合併症 , 【Automatic Indexing@JST】

分類 (3件)： 医用情報処理  (JE15030Q) ,  生体計測  (EL03020C) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 長期 ,  糖尿病合併症 ,  心血管疾患 ,  発症リスク ,  評価 ,  機械学習