文献

J-GLOBAL ID：201902217227650679   整理番号：19A0638930

機械学習技術を用いたDown症候群の確率的決定【JST・京大機械翻訳】

Probabilistic Determination Of Down’s Syndrome Using Machine Learning Techniques

著者 (4件)： Ramanathan Subhiksha (Computer Science Department, PES University, Bangalore, India) ,  M Sangeetha (Computer Science Department, PES University, Bangalore, India) ,  Talwai Saachi (Computer Science Department, PES University, Bangalore, India) ,  S Natarajan (Computer Science Department, PES University, Bangalore, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICACCI  ページ： 126-132  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： ダウン症候群(DS)は胎児で発生する遺伝的出生障害であり,それは典型的には身体成長遅延,軽度から中等度の精神障害,特徴的な顔面特徴および短い寿命期待率に関連する。本論文は,患者のPrenatal Screening(最初の三半期試験)報告からマーカーを抽出することに焦点を合わせた。これらの属性のほとんどは,歯冠長さ,nuchalの半透明性,年齢,喫煙習慣,Trisomy21による以前の妊娠の歴史,および光学的Character認識を用いて抽出された鼻骨の存在である。本論文の収集は,K-平均,K-medoids,DBSCAN(ノイズによるアプリケーションのデンシティベース空間クラスタリング),階層的クラスタリングのような様々なクラスタリング技術を受け,それが機密性と倫理的問題によって結合されるので,訓練データセットのラベルの欠如の問題を扱う。本論文は,手におけるデータセットが高リスクのDSのまれなケースだけを持つので,クラスバイアスを克服するために,ADASYN(適応合成サンプリングアプローチ)オーバーサンプリングアプローチを用いて,歪んだデータセットを扱う新しい技術の周りにpivoした。本報告は,Downの症候群に罹患している胎児の事後確率を決定するために,Naive Bayes,Random ForestおよびANN(人工神経回路網)のような教師つき学習方法論のML(機械学習)集合にさらされている。本論文では,胎児におけるダウン症候群リスクを代表する数値的確率測度を提供することにより婦人科医を支援するツールとして使用できるアーキテクチャを構築し,この価値に基づいて,婦人科医はDSの明確な指標であるさらなる侵襲的[羊水穿刺とCVS(Chorionic Villus Sampling)]試験を推奨することができる。本論文は,インドにおけるDSの現在のシナリオを反映して,生きたインドのデータセットを利用した。本論文は,ML方法論アンサンブルを用いた出生前診断の分野における基礎的なアイデアを提供することを目的とした。Copyright 2019 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： 雑音 ,  産婦人科学 ,  胎児 ,  事後確率 ,  インド ,  *機械学習 ,  計算機アーキテクチャ ,  クラスタ化 ,  バイアス ,  ニューラルネットワーク ,  精神障害 ,  歯冠 ,  教師つき学習 ,  応用プログラム
準シソーラス用語： 出生 , 【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 (3件)： 機械学習技術 ,  Down症候群 ,  確率