文献

J-GLOBAL ID：201802279354161812   整理番号：18A1899842

健康リスク予測のための改良型自動特徴選択アプローチ【JST・京大機械翻訳】

Improved Automatic Feature Selection Approach for Health Risk Prediction

著者 (2件)： Gajare Shreyal (Department of Computer Engineering, Maharashtra Institute of Technology, Pune) ,  Sonawani Shilpa (Department of Computer Engineering, Maharashtra Institute of Technology, Pune)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICCMC  ページ： 816-819  発行年： 2018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： 機械と技術の最近の進歩により,ヘルスケア産業にも革命がある。したがって,患者の人口統計学,研究室試験および結果,医療履歴,電子形態における習慣などを保存する電子健康記録(EHR)の概念を生み出した。EHRは貯蔵,維持または変更が困難な大量のデータである。本研究では,このEHRを用いた健康リスク予測モデルを定式化した。特徴選択を用いて,データセットから関連または関連データのみを選択した。ロジスティック回帰を,システムの精度,応答時間および性能を増加させる改良損失機能パラメータを用いて用いた。表現学習は,選択された特徴の特徴ベクトルの形成を可能にし,それらのスコアを計算する。さらに,リスク予測をニューラルネットワークモデルによって実行した。深いニューラルネットワーク(DNN)は,活性化関数を含む多くの隠れ層で使用される。移動学習を用いて,全システムの再訓練を回避し,新しいデータがモデルに入る。ここで用いたデータセットは高血圧症である。EHRデータセットも解析のために総合的に作成した。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】

シソーラス用語： 予測モデル ,  ニューラルネットワーク ,  *特徴選択 ,  *予測 ,  患者 ,  学習 ,  定式化
準シソーラス用語： 隠れ層 ,  活性化関数 ,  神経回路網モデル ,  *危険予測 ,  スコア ,  特徴ベクトル ,  ロジスティック回帰分析 ,  *健康リスク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： リスク予測 ,  特徴選択