文献

J-GLOBAL ID：201802270897111802   整理番号：18A1209593

B型肝炎ウイルス再活性化のためのランダムフォレストとベイズ予測【JST・京大機械翻訳】

Random forest and Bayesian prediction for Hepatitis B virus reactivation

著者 (3件)： Wang Huina (Information Technology, Qilu University Of Technology, Jinan China) ,  Liu Yihui (Information Technology, Qilu University Of Technology, Jinan China) ,  Huang Wei (Department of Radiation Oncology VI, Shandong Cancer Hospital, Jinan China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICNC-FSKD  ページ： 2060-2064  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： 本論文は,ランダムフォレストとBayes分類予測モデルを確立して,原発性肝癌(PLC)患者における正確な放射線療法の後,B型肝炎ウイルス(HBV)再活性化のリスク因子を見つけることを目指した。同定されたリスク因子を用いて,著者らは疾患の発生率を減少させるために医師に参照を提供することができる。まず第一に,著者らはキー特徴を選択するためにランダムフォレスト法を提案して,次にキーサブセットによって分類予測モデルを確立した。すべての特徴は重要性に従って分類される。著者らは,ブランドの新しい特徴部分集合と新しい部分集合に結合される5つの最も重要な特徴を選択し,ランダムフォレストとBayes分類予測モデルを確立した。HBV DNAレベル,TNM腫瘍病期分類,V10,V20,放射線療法の外部マージンがHBV再活性化の危険因子であることを見出した。ランダム森林の分類精度は,200のディシジョンツリーの下で5回交差検証を用いることによって85.15%に達することができて,一方,Bayes分類装置の精度は,10倍の交差検証を用いることによって84.57%に達した。実験結果は,ランダム森林が変数の重要性を評価し,重要な特徴を選択するために使用できることを示した。また,HBV再活性化の分類予測問題を解決するより良い方法である。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： 放射線療法 ,  部分集合 ,  医師 ,  *B型肝炎 ,  *B型肝炎ウイルス ,  予測モデル ,  分類装置 ,  *予測 ,  ディシジョンツリー ,  危険因子 ,  患者 ,  ブランド
準シソーラス用語： *再活性化 ,  *ランダムフォレスト ,  *ウイルス再活性化 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (4件)： B型肝炎ウイルス ,  再活性化 ,  ランダムフォレスト ,  予測