文献

J-GLOBAL ID：202102210559776917   整理番号：21A2805647

XGBoostアルゴリズムに基づく慢性C型肝炎の疾患進行の予測【JST・京大機械翻訳】

Prediction of disease progression of chronic hepatitis C based on XGBoost algorithm

著者 (5件)： Ma Ling (Xijing University,School of Information Engineering,Xi’an,China,710123) ,  Yang YongSheng (Xijing University,School of Information Engineering,Xi’an,China,710123) ,  Ge Xin (Xi’an Chengxin Network Information Technology Co.Ltd,Xi’an,China,710076) ,  Wan YiDan (Xijing University,College of Science,Xi’an,China,710123) ,  Sang Xin (Xijing University,School of Information Engineering,Xi’an,China,710123)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICRIS  ページ： 598-601  発行年： 2020年 
JST資料番号： W2441A  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： 慢性C型肝炎はC型肝炎ウイルス(HCV)による感染によって引き起こされる。C型慢性肝炎患者の軽度の症状により,臨床症状に基づく明確な診断を行うことは困難である。慢性C型肝炎の進行を分類および予測するための機械学習アルゴリズムを用いて治療を目標とすることができる。本論文は,慢性C型肝炎患者の血液ドナーと臨床データからの血液データを収集し,予測モデルを構築するためにXGBoost機械学習アルゴリズムを使用する。モデルの予測精度,および再現の3つの評価指標によって,モデルの予測効果を評価した。実験結果は,XGBoostアルゴリズム予測モデルの精度率が91.56%であり,精度率が0.98であり,再現率が0.98であることを示した。サポートベクトルマシンアルゴリズム,k最近傍アルゴリズム,決定木アルゴリズム,およびAdaboostアルゴリズムと比較して,このモデルは,より良い適合効果と予測性能を持ち,ロバストである。医学では,慢性C型肝炎患者の疾患進行の診断と予測にとって大きな意義がある。Copyright 2021 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： *アルゴリズム ,  ドナー ,  ディシジョンツリー ,  ロバスト性 ,  C型肝炎ウイルス ,  学習アルゴリズム ,  *C型慢性肝炎 ,  予測モデル ,  サポートベクトルマシン
準シソーラス用語： *疾患進行 ,  予測精度 ,  臨床データ ,  再現率 ,  予測性能 ,  評価指標 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： アルゴリズム ,  慢性C型肝炎 ,  疾患進行 ,  予測