文献

J-GLOBAL ID：202102277375785962   整理番号：21A0150999

深層ニューラルネットワークを用いた腎移植の生存予測モデル【JST・京大機械翻訳】

Survival Prediction Model of Renal Transplantation using Deep Neural Network

著者 (2件)： Chakraborty Somenath (The University of southern Mississippi,School of Computing Sciences and Computer Engineering,Hattiesburg,USA) ,  Zhang Chaoyang (The University of southern Mississippi,School of Computing Sciences and Computer Engineering,Hattiesburg,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCE  ページ： 180-183  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： この論文の目的は,マルチコアと分散設定における深層学習を並列化し,分配する方法を調査することである。四重コアCPUとグラフ処理ユニット(GPU)を用いた深層ニューラルネットワーク(DNN)による訓練パラメータ設定を発見的に改善し,訓練性能を改善するための設定を開発した。それとともに,肝臓移植(LT)を受ける肝臓患者の長期生存の予測のために,並列相ニューラルネットワークモデル(PHNNM)を提案した。LT後の肝臓患者の予測における13年間の生存分析を行い,肝臓移植システムを訓練し,データ属性の適切な選択を伴う多層パーセプトロンPHNNMモデルを用い,そのようなデータの生存確率を評価することで,別々に13年のデータを追跡した。本論文は,著者らの予測モデルがLT後の患者の生存の長期予後に適していることを証明した。CPUとGPUに関する計算性能と組み合わせた有望な結果を示した。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： 生存率 ,  *腎臓移植 ,  処理装置 ,  肝臓移植 ,  多層パーセプトロン ,  *予測モデル
準シソーラス用語： 長期予後 ,  深層学習 ,  *ディープニューラルネットワーク , 【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)： 深層ニューラルネットワーク ,  腎移植 ,  生存 ,  予測モデル