文献

J-GLOBAL ID：201902275104866642   整理番号：19A1510466

機械学習手法に基づく原発性肝癌患者の予後予測研究【JST・京大機械翻訳】

Prognosis of Primary Liver Cancer Patients Based on Machine Learning Method

著者 (5件)： Li Lin (新疆医科大学,830011,新疆維吾爾自治区烏魯木斉新市区新医路393号) ,  Yang Ridong (新疆医科大学,830011,新疆維吾爾自治区烏魯木斉新市区新医路393号) ,  Wang Zhe (新疆医科大学,830011,新疆維吾爾自治区烏魯木斉新市区新医路393号) ,  Zhang Xueliang (新疆医科大学,830011,新疆維吾爾自治区烏魯木斉新市区新医路393号) ,  Zhou Yi (中山大学中山医学院,510030,广東省广州市越秀区中山二路74号)
資料名： Zhongguo Shuzi Yixue  (Zhongguo Shuzi Yixue)
巻： 14  号： 3  ページ： 34-37  発行年： 2019年 
JST資料番号： C3959A  ISSN： 1673-7571  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:機械学習法を用いて原発性肝癌患者の生存と再発時間を予測し、異なる機械学習方法の予測効果を比較する。方法:ロジスティック回帰、ランダムフォレスト、SVM、C5.0ディシジョンツリー、ニューラルネットワーク、BaggingアルゴリズムとAdaboostアルゴリズムを用いて、患者の肝切除手術後の3年無腫瘍生存時間と3年総生存時間の予後予測モデルを構築した。結果:Logistic回帰モデルにより、患者の生存と再発に影響する要素を見出し、また、サポートベクトルマシンとランダムフォレストは良い効果があり、テストセットのAUCは0.7122と0.7103であった。結論:機械学習方法はLogistic回帰モデルよりよい予測効果を有するが、Logistic回帰モデルは良い解釈性がある。実際の問題を分析する場合、両者の結合方法を採用することができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ディシジョンツリー ,  *ヒト ,  *機械学習 ,  アルゴリズム ,  *予測 ,  再発 ,  ニューラルネットワーク ,  腫瘍 ,  効果 ,  肝切除 ,  回帰モデル ,  サポートベクトルマシン
準シソーラス用語： *予後予測 ,  生存期間 ,  ランダムフォレスト ,  ロジスティック回帰分析 , 【Automatic Indexing@JST】

分類 (1件)： 消化器の腫よう  (GH04000D)

タイトルに関連する用語 (6件)： 機械学習 ,  手法 ,  原発性肝癌 ,  患者の予後 ,  予測 ,  研究