文献

J-GLOBAL ID：202002291719163119   整理番号：20A0134381

乳癌検出のための意思決定支援:特徴選択による分類改善【JST・京大機械翻訳】

Decision Support for Breast Cancer Detection: Classification Improvement Through Feature Selection

著者 (4件)： Fogliatto Flavio S. (Industrial Engineering Department, Federal University of Rio Grande do Sul, Porto Alegre, RS, Brazil) ,  Anzanello Michel J. (Industrial Engineering Department, Federal University of Rio Grande do Sul, Porto Alegre, RS, Brazil) ,  Soares Felipe (Industrial Engineering Department, Federal University of Rio Grande do Sul, Porto Alegre, RS, Brazil) ,  Brust-Renck Priscila G. (Industrial Engineering Department, Federal University of Rio Grande do Sul, Porto Alegre, RS, Brazil)
資料名： Cancer Control  (Cancer Control)
巻： 26  号： 1  ページ： 1073274819876598  発行年： 2019年 
JST資料番号： W5155A  ISSN： 1073-2748  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： 早期乳癌検出における医療従事者を支援するために,いくつかの統計ベースのアプローチが開発されている。本論文は,患者の乳房組織測定と蛋白質マイクロアレイに基づくカテゴリーに分類することを目的とした特徴選択のための方法を提示する。この特徴選択戦略の有効性を,一般的に使用されているWisconsin Breast癌データベース-WBCD(いくつかの患者およびより少ない特徴を有する)および新しい蛋白質マイクロアレイデータセット(いくつかの特徴およびより少ない患者)に対して評価した。特徴は,主成分分析の教師なしの方法から出現するパラメータとBhattacharyya距離の監督された方法を組み合わせた特徴重要度指数に従ってランク付けされた。訓練セットの観察は,3つの分類技術を通して,悪性と良性のケースに反復的に分類された:k-最近傍,線形判別分析,および確率的ニューラルネットワーク。各分類の後に,最小の重要度指数を有する特徴を取り除き,新しい分類を,ただ一つの特徴があるまで行った。最大精度をもたらすサブセットを用いて,試験セットにおける観察を分類した。著者らの方法は,テストセットにおいて平均99.17%の正確な分類をもたらし,一方,WBCDにおける9つの特徴の平均4.61を保持し,それはデータセットに関する文献によって報告された最良の結果に匹敵し,単純で広く利用可能な多変量技術に依存する利点がある。マイクロアレイデータに適用したとき,この方法は98.30%の平均精度をもたらし,一方,元の特徴の平均2.17%を保持した。著者らの結果は,乳癌の早期診断の間,健康管理専門家を助けることができる。Copyright The Author(s) 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 健康管理 ,  等級づけ ,  早期診断 ,  医療従事者 ,  部分集合 ,  主成分分析 ,  *特徴選択 ,  *乳房腫瘍 ,  CASE ,  データベース ,  DNAマイクロアレイ ,  有効性
準シソーラス用語： 確率的ニューラルネットワーク ,  線形判別分析 ,  *意思決定支援 , 【Automatic Indexing@JST】

著者キーワード (6件)： 意思決定支援 ,  乳癌診断 ,  特徴選択 ,  k最近傍 ,  確率的ニューラルネットワーク ,  線形判別分析

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 乳癌検出 ,  意思決定支援 ,  特徴選択 ,  分類