文献

J-GLOBAL ID：202002252978031760   整理番号：20A0873767

インターネットにおける健康要因分析のためのCNNベースの健康モデル【JST・京大機械翻訳】

CNN-Based Health Model for Regular Health Factors Analysis in Internet-of-Medical Things Environment

著者 (4件)： Ismail Walaa N. (College of Computer and Information Sciences, Minia University, Minya, Egypt) ,  Hassan Mohammad Mehedi (Research Chair of Smart Technologies, College of Computer and Information Sciences, King Saud University, Riyadh, Saudi Arabia) ,  Alsalamah Hessah A. (College of Computer and Information Sciences, King Saud University, Riyadh, Saudi Arabia) ,  Fortino Giancarlo (Department of Informatics, Modeling, Electronics, and Systems, University of Calabria, Rende, Italy)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 52541-52549  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： モノのインターネット(IoT)技術の出現による遠隔健康モニタリング応用は,従来の医療サービスを変えた。さらに,個人化された健康管理と疾病予防サービスに関して,これらは主にライフスタイル因子と活動の分析から知識を引き出すために使用される戦略に依存する。知的データ検索と分類モデルの使用を通して,疾患を研究することができるか,または異常な健康状態を予測することさえできる。このような異常を予測するために,非構造化医療記録から正確に疾患予測に関連する知識を検出することができる,概念的ニューラルネットワーク(CNN)モデルを用いた。しかし,完全に接続したネットワーク構造を用いると,CNNは大量のメモリを使用する。さらに,層数の増加はモデルの複雑性解析の増加をもたらす。従って,CNNモデルのこれらの限界を克服するために,著者らは,一般的に類似の文脈で現れ,低い変動性を持つ構造を持つ用語「規則的」がオブジェクトを意味する,ピアソン相関係数と正規パターン挙動に基づくCNN正規目標検出と認識モデルを提案した。このフレームワークでは,データ分類のためのCNN正規パターン発見モデルを開発した。最初に,最も重要な健康関連因子を最初の隠れ層において選択し,次に第二層において,相関係数解析を行い,正と負に相関した健康因子を分類した。さらに,正規パターンの挙動は,分類された健康因子の間で規則的なパターン発生をマイニングすることを通して発見される。モデルの出力は,肥満,高血圧,および糖尿病に関連する正規相関パラメータに細分化される。2つの異なるデータセットを採用して,CNN正規知識発見モデルの効果を緩和した。実験結果は,提案したモデルが,3つの異なる機械学習技術方法と比較して,より良い精度と低い計算負荷を持つことを示した。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： *因子分析 ,  データ検索 ,  高血圧症 ,  ネットワーク構造 ,  記憶装置 ,  カルテ ,  糖尿病 ,  認知モデル ,  健康管理 ,  知識発見 ,  相関係数 ,  *インターネット ,  ニューラルネットワーク
準シソーラス用語： 健康状態 ,  医療サービス , 【Automatic Indexing@JST】

分類 (2件)： 自然語処理  (JE06000L) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： インターネット ,  要因分析 ,  CNN ,  モデル