文献

J-GLOBAL ID：201902276247836403   整理番号：19A1624762

提案されたGauss分類器システムを用いた患者生存率改善のための精度強化肺癌予後【JST・京大機械翻訳】

Accuracy Enhanced Lung Cancer Prognosis for Improving Patient Survivability Using Proposed Gaussian Classifier System

著者 (2件)： R Kaviarasi (Department of Computer Applications, University College of Engineering (BIT Campus), Anna University, Tiruchirappalli, India) ,  R Gandhi Raj (Department of Electrical and Electronics Engineering, University College of Engineering (BIT Campus), Anna University, Tiruchirappalli, India)
資料名： Journal of Medical Systems  (Journal of Medical Systems)
巻： 43  号： 7  ページ： 1-9  発行年： 2019年 
JST資料番号： W4623A  ISSN： 1573-689X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 統計的分類器と良い精度は,医学データマイニングにおける研究の不可欠な部分である。肺癌の正確な予測は,有効な臨床的決定を行うための必須段階である。肺癌を同定した後に,最小限の範囲は,世界中に住む患者に対する投薬において利用可能である。ヘモグロビンレベルとTNMステージの患者生存期間は変化しなければならない。人々の生存期間のいくつかのグループは最小であり,他のグループの人々の生存期間は長い。本研究は,肺癌患者を予測するための新しい臨床変数を有する予測モデルを開発することを目的とした。それは,肺癌におけるTNMの改訂された第8版研究に基づいている。これらの新しい属性は,SEERデータベース,インド癌病院および研究センターから収集される。収集された新しい属性は,線形回帰の教師付き機械学習アルゴリズム,Naive Bayes分類器およびGaussian kベースNB分類器の提案アルゴリズムを用いて分類される。特に,正常ヘモグロビンレベル(NHBL)を有する人々のTNMステージ1グループに対して,肺癌患者のクオリティオブライフのグループは高度に強化されている。教師つき機械学習アルゴリズムを用いて証明した。提案したアルゴリズムは,腫瘍サイズとHBレベルに関してデータベースを分類し,結果をR環境で確認した。標準ヘモグロビンと共に肺癌患者におけるTNMの最初のレベルを証明するための連続属性分類法は,人々生存率がヘモグロビン人生存率のより小さいレベルより高いことを維持しなければならない。ガウスkベースNB分類器は,肺癌予測モデルのための既存の機械学習アルゴリズムより効果的である。提案した分類精度をROC法を用いて測定した。Copyright 2019 Springer Science+Business Media, LLC, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ヒト ,  クオリティオブライフ ,  *予後 ,  *肺腫瘍 ,  データマイニング ,  予測モデル ,  *生存率 ,  学習アルゴリズム ,  インド ,  ヘモグロビン ,  データベース ,  アルゴリズム
準シソーラス用語： 分類精度 ,  分類法 ,  生存期間 ,  *患者生存 , 【Automatic Indexing@JST】

著者キーワード (4件)： 肺癌 ,  Gauss KベースNB分類器 ,  ヘモグロビンレベル ,  TNMステージ

分類 (2件)： 腫ようの化学・生化学・病理学  (GE02030N) ,  消化器の腫よう  (GH04000D)

タイトルに関連する用語 (6件)： 提案 ,  分類器 ,  患者生存 ,  強化 ,  肺癌 ,  予後