文献

J-GLOBAL ID：202002254090047342   整理番号：20A2783490

BPニューラルネットワークに基づく肝硬変の支援診断モデルに関する研究【JST・京大機械翻訳】

Research on Assisted Diagnosis Model of Cirrhosis Based on BP Neural Networks

著者 (6件)： He Zhenbing (Fujian university of traditional, Chinese medicine, FuZhou China) ,  Chen Chi (Mengchao hepatobiliary hospital of fujian medical university, FuZhou China) ,  Chen Feifei (Fujian Medical University Union Hospital, FuZhou China) ,  Huang Zhihui (Fujian university of traditional, Chinese medicine, FuZhou China) ,  Zhu Xiaomin (Fujian university of traditional, Chinese medicine, FuZhou China) ,  Wang Hui (Fujian university of traditional, Chinese medicine, FuZhou China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ISAIMS 2020  ページ： 271-275  発行年： 2020年 
JST資料番号： D0698C  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： 目的:肝硬変は,我々の人々の身体的および精神的健康を害する主要な疾患である。患者の肝硬変の期間を正確に決定するために,患者ができるだけ早く治療を受けることができるので,著者らは補助診断病期分類を研究した。【方法】福建省における特別な病院によって提供された2016年から2019年までの入院患者のデータを使用して,BPニューラルネットワークアルゴリズムとバイナリロジスティック回帰を用いて,最良の総合的性能を有するモデルを見つけるための肝硬変の段階的補助診断モデルを構築した。実験プロセスにおいて,解析を通して選択された関連変数を,BPニューラルネットワークに基づく肝硬変の段階的補助診断の関連モデルを構築するために,モデルの入力変数として使用した。同様に,選択した関連変数を用いて,SPSS22を用いてロジスティック回帰肝硬変分類モデルを確立し,2つのモデルの総合的性能を比較した。結果:肝硬変期におけるBPニューラルネットワーク診断の精度は,ロジスティック回帰68.4%より80.4%高かった;感度80.8%はロジスティック回帰68.5%より高かった;特異度は,ロジスティック回帰66.8%より80.0%高かった。結論:BPニューラルネットワークベースの肝硬変病期分類診断モデルは,最良の総合的性能を有する。それは,肝硬変の診断における医師のための一定の参照意見を提供し,診断の精度を改善するのに役立つ。Please refer to this article’s citation page on the publisher website for specific rights information. 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 ,  *肝硬変 ,  精神衛生
準シソーラス用語： ロジスティック回帰分析 ,  特異度 , 【Automatic Indexing@JST】

著者キーワード (3件)： BPニューラルネットワーク ,  二値ロジスティック回帰 ,  肝硬変支援診断

分類 (5件)： 消化器の腫よう  (GH04000D) ,  臨床診断学  (GC03003G) ,  消化器の疾患  (GH03000W) ,  消化器の診断  (GH02000P) ,  呼吸器の診断  (GI02000S)

タイトルに関連する用語 (5件)： BPニューラルネットワーク ,  肝硬変 ,  支援 ,  診断モデル ,  研究