文献

J-GLOBAL ID：202002291615705711   整理番号：20A2551719

自動符号化による医療イベントログの自動かつ説明可能なラベリング【JST・京大機械翻訳】

Automatic and Explainable Labeling of Medical Event Logs With Autoencoding

著者 (6件)： De Oliveira Hugo (Mines Saint-Etienne, Univ Clermont Auvergne, CNRS, UMR 6158 LIMOS, Centre CIS, Saint-E ́tienne, France) ,  Augusto Vincent (Mines Saint-Etienne, Univ. Clermont Auvergne, CNRS, UMR 6158 LIMOS, Centre CIS, Saint-E ́tienne, France) ,  Jouaneton Baptiste (HEVA, 186 avenue Thiers, Lyon, France) ,  Lamarsalle Ludovic (HEVA, 186 avenue Thiers, Lyon, France) ,  Prodel Martin (HEVA, 186 avenue Thiers, Lyon, France) ,  Xie Xiaolan (Mines Saint-Etienne, Univ Clermont Auvergne, CNRS, UMR 6158 LIMOS, Centre CIS, Saint-E ́tienne, France)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 24  号： 11  ページ： 3076-3084  発行年： 2020年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  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： プロセスマイニングは患者経路からの知識抽出に適した方法である。イベントログで構造化され,医療イベントは複雑であり,しばしば様々な医療コードを用いて記述される。プロセスマイニング分析を適用する前のこれらの事象の効率的なラベリングは挑戦的である。本論文では,医療イベントログにおけるイベントの複雑性を扱う革新的方法論を提示した。自動符号化に基づいて,潜在空間における類似事象をクラスタ化することにより,正確なラベルを作成した。さらに,生成されたラベルの説明は,対応するイベントの復号化によって提供される。合成事象について試験して,この方法はスパース二値データ上で隠れクラスタを見つけることができ,また,正確に生成されたラベルを説明する。実際の健康管理データに関する事例研究を行った。結果は,患者経路を表す複雑なイベントログから知識を抽出する方法の適合性を確認した。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： クラスタ化 ,  適応性 ,  復号化 ,  *クラスタ ,  健康管理 ,  事例研究
準シソーラス用語： 知識抽出 ,  複雑性 ,  プロセスマイニング , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 符号化 ,  医療 ,  イベント ,  ログ ,  説明 ,  ラベリング