文献

J-GLOBAL ID：202002250792694701   整理番号：20A2281225

データ可視化による自動診断と分類プロセスの理解【JST・京大機械翻訳】

Understanding Automatic Diagnosis and Classification Processes with Data Visualization

著者 (4件)： Bruno Pierangela (University of Calabria Rende,Department of Mathematics and Computer Science,Italy) ,  Calimeri Francesco (University of Calabria Rende,Department of Mathematics and Computer Science,Italy) ,  Kitanidis Alexandre Sebastien (Information and Bioengineering Politecnico di Milano Milano,Department of Electronic,Italy) ,  Momi Elena De (Information and Bioengineering Politecnico di Milano Milano,Department of Electronic,Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICHMS  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 疾患の正確な診断は,一般的に多くの臨床的,生物学的および病理学的変数の複雑な分析を必要とする。この文脈において,機械学習技術に基づく解決策は,特定の疾患検出と分類において関連する結果を達成し,従って,重要な臨床意思決定支援を提供する。しかし,そのようなアプローチは,特に深層学習の場合において,モデルによってなされた選択を解釈するための適切な手段の欠如に悩まされる。適格な決定を行うプロセスにおける解釈可能性と説明可能性を改善するために,著者らは,決定の背後にある理論的根拠に関する適切な調査によって,このブラックボックスの部分的開放を可能にするシステムを設計した。これは,前処理段階がより良い性能のために重要であるという理解を深めることができる。高次元遺伝子発現と臨床データに基づく自動医療診断のために訓練された人工神経ネットワーク上のアプローチを試験した。本ツールは,ネットワーク決定に影響する訓練プロセスに含まれる最も重要な要素を同定するために,分類タスク中にネットワークによって実行される内部プロセスを分析した。提案手法の実行可能性の評価を目的とした実験的解析の結果について報告する。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  前処理 ,  ブラックボックス ,  高次元 ,  遺伝子発現
準シソーラス用語： 人工神経 ,  *データ可視化 ,  臨床意思決定支援 ,  機械学習技術 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： データ可視化 ,  自動診断 ,  分類 ,  プロセス ,  理解