文献

J-GLOBAL ID：201802244470061729   整理番号：18A1659993

データマイニング技術に基づくBPニューラルネットワークモデルの小児川崎病と発熱性疾患の鑑別に関する研究【JST・京大機械翻訳】

BP neural network model for the differentiation of Kawasaki disease and febrile illnesses based on data mining

著者 (6件)： Fan Chu (重慶医科大学医学信息学院 重慶,400016) ,  He Xiangqian (重慶医科大学医学信息学院 重慶,400016) ,  Yu Yue (重慶医科大学医学信息学院 重慶,400016) ,  Tian Jie (重慶医科大学附属儿童医院心内科 重慶,400000) ,  Zhang Sheng (重慶医科大学医学信息学院 重慶,400016) ,  Li Zhe (重慶医科大学医学信息学院 重慶,400016)
資料名： Zhongguo Xun Zheng Erke Zazhi  (Zhongguo Xun Zheng Erke Zazhi)
巻： 12  号： 1  ページ： 22-26  発行年： 2017年 
JST資料番号： C3093A  ISSN： 1673-5501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 【目的】川崎病(KD)診断のためのBPニューラルネットワークモデルを確立し,その診断性能を評価する。【方法】2007年1月2016年1月の重慶医科大学付属児童病院(当院)でのKDの連続症例と発熱疾患の症例を,R3.2.3ソフトウェアでの無作為抽出関数によって訓練セットと試験セットに分けた。カルテ中の一般情況、臨床表現と実験室指標の計51項目の情報を切り取って、単要素分析後に統計学の意義のある変数を抽出し、それぞれLogistic回帰とBPニューラルネットワークモデルを構築し、2種類のモデルの診断性能を比較する。結果:905例のKD患児と438例の鑑別発熱疾病患児はデータモデルの分析に入り、訓練セットは1042例、その中のKD700例、発熱類疾病342例、テストセット301例、その中のKD205例、その中KD205例、発熱類疾病96例を鑑別した。単変量解析の結果は,37の情報があった。ロジスティック回帰分類モデルの16変数を,最適回帰式に組み入れた。BPニューラルネットワークの入力層,隠れ層および出力層はそれぞれ37,24および1ノードであった。ロジスティック回帰分類モデルの分類精度は84.1%と82.1%であり,ROC曲線下面積は0.91と0.89であった。BPニューラルネットワークモデルは訓練セットとテストセットの分類精度が96.4%と86.0%であり,ROC曲線の下の面積は0.94と0.92であった。2つのモデルの感度は非常に良く,BPニューラルネットワークモデルの特異性はロジスティック回帰分類モデルより優れていた。結論:確立したBPニューラルネットワーク診断モデルはKDに対して良い診断補助機能を有し、さらに臨床検査を待つ必要がある。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 臨床検査 ,  *子供 ,  ソフトウェア ,  児童 ,  *川崎病 ,  病院 ,  無作為抽出 ,  *鑑別
準シソーラス用語： 特異性 ,  分類精度 ,  隠れ層 ,  回帰式 ,  ロジスティック回帰分析 ,  単変量解析 ,  患児 , 【Automatic Indexing@JST】

著者キーワード (5件)： Kawasaki disease ,  Febrile illnesses ,  Logistic regression ,  BP neural network ,  Diagnostic model

分類 (1件)： 小児に特有の疾患  (GC08020M)

タイトルに関連する用語 (9件)： データマイニング技術 ,  BPニューラルネットワーク ,  モデル ,  小児 ,  川崎病 ,  発熱 ,  疾患 ,  鑑別 ,  研究