文献

J-GLOBAL ID：201902276574357035   整理番号：19A2422186

機械学習アルゴリズムは計算機トモグラフィー走査からの非線形3モード回帰分析を用いたボディマスインデックスを予測する【JST・京大機械翻訳】

Machine Learning Algorithms Predict Body Mass Index Using Nonlinear Trimodal Regression Analysis from Computed Tomography Scans

著者 (8件)： Recenti Marco (Institute of Biomedical and Neural Engineering, Reykjavik University, Reykjavik, Iceland) ,  Ricciardi Carlo (Institute of Biomedical and Neural Engineering, Reykjavik University, Reykjavik, Iceland) ,  Ricciardi Carlo (Department of Advanced Biomedical Sciences, University Hospital of Naples ‘Federico II’, Naples, Italy) ,  Gislason Magnus (Institute of Biomedical and Neural Engineering, Reykjavik University, Reykjavik, Iceland) ,  Edmunds Kyle (Institute of Biomedical and Neural Engineering, Reykjavik University, Reykjavik, Iceland) ,  Carraro Ugo (IRRCS Fondazione Ospedale San Camillo, Venice, Italy) ,  Gargiulo Paolo (Institute of Biomedical and Neural Engineering, Reykjavik University, Reykjavik, Iceland) ,  Gargiulo Paolo (Department of Science, Landspitali, Reykjavik, Iceland)
資料名： IFMBE Proceedings  (IFMBE Proceedings)
巻： 76  ページ： 839-846  発行年： 2020年 
JST資料番号： W5069A  ISSN： 1680-0737  資料種別： 会議録 (C)
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： 本研究では,機械学習教師つき回帰および分類アルゴリズムを用いて,計算機トモグラフィー走査(CT)から出発して,身体的質量指数(BMI)を予測した。各患者のCTsから,筋肉,結合組織及び脂肪を記述する11のパラメータを抽出し,非線形三モード回帰分析(NTRA)と呼ばれる患者特異的軟部組織プロファイルを作成した。回帰と分類を,ツリーベースのアルゴリズムを用いてBMIを予測して分類するために適用した。データセットの適切な訓練試験分割を,k_fold交差検証を用いて適用した。回帰の予測の質の評価者として,決定の最良の係数(R2)を得るために,特徴の種々の組合せを,k_褶曲分割を用いて採用した。その後,BMIを3と5クラスに分割し,それを分類するために同じ方法を用いた。この解析のために,精度パラメータを計算し,結果の品質を評価した。最大R2は0,83で,11のNTRAパラメータを回帰器,k_fold=16,およびGradient-Boostingアルゴリズムを用いて得た。結合と脂肪組織の振幅は,常にすべての特徴重要性の50%以上をカバーする。最良の精度は,3つのクラスで0,80,5つのクラスで0,74であった。結果は,11のNTRAパラメータが非常に有意な予測値を持つことができることを証明して,同じ方法論は,他の生理学的要因と共存症を予測するために,将来研究において適用することができた。Copyright 2020 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  結合組織 ,  *機械学習 ,  *学習アルゴリズム ,  *ボディマスインデックス ,  脂肪組織 ,  *計算機トモグラフィー ,  ヒト ,  生理学 ,  *走査 ,  *回帰分析 ,  品質 ,  軟部組織
準シソーラス用語： 共存罹患 ,  予測値 ,  分類アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  回帰 ,  分類 ,  コンピュータ断層撮影 ,  ボディマスインデックス

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 機械学習 ,  アルゴリズム ,  計算機トモグラフィー ,  走査 ,  非線形 ,  回帰分析 ,  ボディマスインデックス ,  予測