文献

J-GLOBAL ID：202002213747769112   整理番号：20A0425821

心臓移植生存を予測するための深部学習とRDFの利用【JST・京大機械翻訳】

Utilizing Deep Learning and RDF to Predict Heart Transplantation Survival

著者 (4件)： Medved Dennis (Department of Computer Science, Lund University, Lund, Sweden) ,  Medved Dennis (Department of Clinical Sciences, Cardiothoracic Surgery, Lund University and Skane University Hospital, Lund, Sweden) ,  Nilsson Johan (Department of Clinical Sciences, Cardiothoracic Surgery, Lund University and Skane University Hospital, Lund, Sweden) ,  Nugues Pierre (Department of Computer Science, Lund University, Lund, Sweden)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12012  ページ： 175-190  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 本論文では,3つの異なる心臓移植データセットの資源記述フレームワーク(RDF)表現への変換と,それがどのように深い学習モデルを訓練するために利用できるかについて述べた。これらのモデルを用いて,移植前後の患者の転帰を予測し,それらの生存期間を計算した。心臓と肺移植(ISHLT)に対する国際社会は,世界中で行われている移植片から集められる心臓移植の登録を維持している。Organ Sharing(UNOS)のためのアメリカ組織化ネットワークとスカンジナビアのScanatransprationは,異なるデータモデルを使用するにもかかわらず,この登録に貢献している。これらの3つのデータセットをカバーする統一グラフ表現を設計し,データベースをRDFトリプルに変換した。著者らは,心臓移植患者の異なる側面を予測するために訓練されたいくつかの機械学習モデルへの入力として,結果として得られた三重貯蔵を用いた。レシピエントおよびドナー特性は,心臓移植患者の結果を予測するために不可欠である。手動技術とは対照的に,表されたファイルからデータを抽出するために使用された,RDF三重項はSPARQLと一緒に,特徴集合の異なる組合せにより迅速かつ自動的に実験を可能にし,生存を予測し,器官配置政策の有効性をシミュレートした。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  *心臓移植 ,  有効性 ,  ドナー ,  データモデル ,  ネットワーク ,  肺移植 ,  *学習 ,  スカンディナビア諸国 ,  *心臓 ,  学習モデル ,  機械学習
準シソーラス用語： 器官 ,  生存期間 ,  患者予後 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 心臓移植 ,  生存 ,  予測 ,  深部 ,  学習 ,  RDF