抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
診断勧告は,臨床医が患者のための最適診断を推論する医療において重要な役割を果たす。この問題は,患者のクオリティオブライフ改善に大きな影響を及ぼす。この問題を解決するための既存の機械学習技術は,容易に利用できない多くのラベル付きインスタンスを必要とする。この限界を克服するために,本論文では,半教師つきクラスタリングに基づく診断推薦モデルを表現するための科学的ワークフローを提示した。このアプローチにおいて,初期クラスタはラベル付きデータセットから形成される。次に,いくつかの相対的閾値をクラスタに課して,頻繁なパターンとそれらの対応するラベルを得た。次に,ラベル付けされていないインスタンスを,それらを最も類似のクラスタに割り当てることによってラベル付けした。最後に,生成した新しいデータセット上にクラスタを形成し,ある最小閾値を適用することにより診断ラベルを推奨した。著者らのモデルを評価するために,i2b2データセットに関する広範な実験を行い,提案したアルゴリズムを自己訓練および共同訓練法と比較した。実験結果は,著者らの提案したアルゴリズムがほとんどの場合に言及した方法より優れていることを示した。提案したワークフローをDATAVIEWシステムに実装した。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】