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。
疾患予測は,特に癌と診断されるとき,人々を節約するのに非常に役に立つことができる。子宮癌として知られている子宮頸癌は,女性における4番目の頻度の高い癌であり,2018年には,すべての女性の癌の6.6%を占めている2018人の新しい症例が推定されている。世界保健機関(WHO)に従って,子宮頚癌の死亡率は未発達国で90%に達し,予防,有効なスクリーニング,治療プログラム,早期診断があれば,それに見られる高死亡率は実質的な減少を被る可能性がある。人工神経回路網(ANN)は,数十年の間,健康管理における予測を提供する助けとなっている。ほとんどの研究作業は,逆伝搬(BP)学習アルゴリズムで訓練されたニューラル分類器を利用して,癌診断を達成する。従来のBPアルゴリズムは,訓練のようないくつかの有意な欠点を有し,局所最小値に陥りやすく,初期の重みとバイアスの感度を持つ。本研究では,主な特性が一連の時間データにおける情報を保存する能力を持つLong Short-Tem Memory(LSTM)として知られている一種の再帰ニューラルネットワーク(RNN)を用いた。バックプロパゲーションによりネットワークを訓練する代わりに,LSTMネットワークを5つの異なるメタ発見的アルゴリズムを用いて訓練した。すなわち,cuckoo探索(CS),遺伝的アルゴリズム(GA),Gravitation Search(GS),Gray Wolf最適化(GWO)および粒子群最適化(PSO)である。得られた結果から,メタ発見的アルゴリズムは96%以上の性能を有することが観察できた。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】