文献

J-GLOBAL ID：202002256732277840   整理番号：20A2592800

医療文書データクラスタリングに基づくパーキンソン病の早期診断予測【JST・京大機械翻訳】

Early diagnosis and prediction of Parkinson’s disease based on clustering medical text data

著者 (5件)： Zhang Xiaobo (西南交通大学信息科学与技術学院,成都611756;西南交通大学人工智能研究院,成都611756;綜合交通大数据応用技術国家工程実験室(西南交通大学),成都611756) ,  Yang Yan (西南交通大学信息科学与技術学院,成都611756;西南交通大学人工智能研究院,成都611756;綜合交通大数据応用技術国家工程実験室(西南交通大学),成都611756) ,  Li Tianrui (西南交通大学信息科学与技術学院,成都611756;西南交通大学人工智能研究院,成都611756;綜合交通大数据応用技術国家工程実験室(西南交通大学),成都611756) ,  Lu Fan (西南交通大学信息科学与技術学院,成都611756;西南交通大学人工智能研究院,成都611756;綜合交通大数据応用技術国家工程実験室(西南交通大学),成都611756) ,  Peng Lilan (西南交通大学信息科学与技術学院,成都611756;西南交通大学人工智能研究院,成都611756;綜合交通大数据応用技術国家工程実験室(西南交通大学),成都611756)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 40  号： 10  ページ： 3088-3094  発行年： 2020年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 老齢者に多発するパーキンソン病(PD)の早期知能化診断の問題に対して、医療検査テキスト情報データに基づくクラスタリング技術を提案し、PDに対して分析予測を行った。まず第一に,オリジナルのデータセットを前処理して,有効な特徴情報を得て,主成分分析(PCA)によって,オリジナルの特徴を8つの次元空間に次元縮小した。次に,5つの古典的クラスタリングモデルと3つの異なるクラスタ化集合法を適用して,8つの次元空間のデータをクラスタ化した。最後に、4つのクラスタリング性能指標を用いて、データセット中のドーパミン異常PD患者、健康体と無ドーパミン欠損(SWEDD)PD患者を予測した。シミュレーション結果は,Gauss混合モデル(GMM)のクラスタリング精度が,PCA特徴次元が30であるときに89.12%に達することを示した。PCA特徴の次元値が70のとき,スペクトルクラスタリング(SC)のクラスタリング精度は61.41%に達した。PCA特徴の次元値が80のとき,メタクラスタリングアルゴリズム(MCLA)のクラスタリング精度は59.62%に達した。比較実験結果は,5つの古典的クラスタリング方式において,PCAの特性次元が40未満であるとき,Gauss混合モデルのクラスタリング効果が最良であることを示した。3種類のクラスタリング集合法の中で、異なる特徴次元に対して、MCLAのクラスタリング性能はすべて優れ、PDの早期知能化補助診断に技術と理論サポートを提供した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  前処理 ,  *クラスタ化 ,  比較試験 ,  主成分分析 ,  次元縮小 ,  *Parkinson病 ,  *早期診断 ,  カテコールアミン ,  第一アミン
準シソーラス用語： 補助診断 ,  Gauss混合モデル ,  知能化 ,  *データクラスタリング ,  スペクトラルクラスタリング , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

物質索引 (1件)： ドーパミン

タイトルに関連する用語 (6件)： 医療 ,  文書 ,  データクラスタリング ,  パーキンソン病 ,  早期診断 ,  予測