2型糖尿病と骨密度の間の局所因果構造学習とその発見【JST・京大機械翻訳】

Wang Wei; Hu Gangqiang; Yuan Bo; Ye Shandong; Chen Chao; Cui YaYun; Zhang Xi; Qian Liting

プレプリント

J-GLOBAL ID：202202205109296207 整理番号：22P0165547

2型糖尿病と骨密度の間の局所因果構造学習とその発見【JST・京大機械翻訳】

Local Causal Structure Learning and its Discovery Between Type 2 Diabetes and Bone Mineral Density

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2020年06月27日プレプリントサーバーでの情報更新日： 2020年06月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最も一般的な慢性疾患の1つである2型糖尿病(T2DM)は,人体のグルコース代謝に影響し,それは生活量を減少させ,社会的医療に重い負担をもたらす。T2DM患者は,糖尿病が骨密度(BMD)に影響するので,骨脆弱性骨折を受ける可能性が高い。しかし,医学的方法におけるBMDの決定因子の発見は,高価で時間がかかる。本論文では,BMDと臨床データからその因子の間の根底にある原因メカニズムを発見するために,新しいアルゴリズム,事前知識駆動局所Causal構造学習(PKCL)を提案した。医学に対する限られたデータが存在するが,冗長な事前知識が存在するので,PKCLは,標的関係のための局所因果構造をマイニングするための事前知識を十分に利用している。医療事前知識を発見された因果関係と結びつけると,PKCLは長期医療統計実験なしでより信頼できる結果を達成できる。新しく提供された臨床データセットについて広範な実験を行った。データに関するPKCLの実験的研究は,既存の医療知識と高度に対応して,それはPKCLの優位性と有効性を証明した。事前知識の重要性を説明するために,事前知識のないアルゴリズムの結果についても調査した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

代謝異常・栄養性疾患一般

, , ,

前のページに戻る