抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
パーキンソン病は,運動機能障害によって区別される最も一般的な神経変性病の1つである。パーキンソン病(PD)診断は,多数の非運動および運動徴候の評価を必要とする複雑な仕事である。声帯または音声異常の解析は,医師が考慮すべきである注目すべき徴候である。PDの早期診断は,予備的治療に必須であり,医師が他の脳細胞におけるPDの拡散を治癒し回避するのを助け,いくつかの生活を救う。そこで,本研究では,PDを正確に予測するための適応エキスパート診断システムを紹介した。この提案システムでは,提案システムの性能を改善し,最良の結果を予測するために,遺伝的に最適化された光GBM(MI-AE-GOLGBM)アルゴリズムによる2段階相互情報と自動エンコーダベースの次元縮小アプローチのハイブリッド方法論を提案した。提案したMI-AE-GOLGBM方式は,相互情報,自動符号化器,遺伝的アルゴリズム,および光GBMアルゴリズムを含む4つの方法論から成り,その中で,相互情報と自動符号器が,入力データセットから有益な特徴を選択するための2段階次元縮小方式を形成するために実行され,従って,最も有意な新しく生成された特徴を有する縮小データセットを生成し,そして,遺伝的アルゴリズムは,それぞれ,2段階相互情報と自動符号器ベースの次元縮小方式と遺伝的アルゴリズムによって提供された,光GBMアルゴリズムのハイパーパラメータを知的に最適化するために採用され,そして,それは,2段階相互情報と自動エンコーダベースの次元縮小方式と遺伝的アルゴリズムによって,それぞれ,PD被写者と健康制御を分類し,そして,提案されたシステムの精度価値と信頼性を強化する。提案した方法論の性能を評価し,検証するために,4つの異なる実世界の公的に利用可能なParkinson病データセットをこの提案した研究に用いた。提案手法の性能を比較するために,異なる機械学習(ML)アルゴリズムを利用した。結果は,提案した方法論が,異なるMLアルゴリズムと比較して,PDに関連する音声データに基づいて,最良の予測を生成することができることを明らかにした。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】