文献

J-GLOBAL ID：202202215370973993   整理番号：22A1043203

糖尿病性網膜症を検出するための効果的な統合機械学習アプローチ【JST・京大機械翻訳】

An effective integrated machine learning approach for detecting diabetic retinopathy

著者 (2件)： Pragathi Penikalapati ( School of Computer Science and Engineering, Vellore Institute of Technology (VIT), Vellore, Tamil Nadu, India) ,  Nagaraja Rao Agastyaraju ( School of Computer Science and Engineering, Vellore Institute of Technology (VIT), Vellore, Tamil Nadu, India)
資料名： Open Computer Science (Web)  (Open Computer Science (Web))
巻： 12  号： 1  ページ： 83-91  発行年： 2022年 
JST資料番号： U8095A  ISSN： 2299-1093  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 世界中の人々の粉砕は糖尿病性網膜症に悩まされている。この疾患は眼の網膜に主に影響し,以前には恒久的な失明の原因ではない。したがって,早期の糖尿病性網膜症の検出は,失明から人々を保護するために非常に重要である。UCI MLリポジトリで利用可能な糖尿病網膜症のデータセットにいくつかの機械学習(ML)アルゴリズムを実装し,糖尿病性網膜症の症状を検出する。しかし,それらのアルゴリズムのほとんどは個々に実行される。したがって,本論文は,サポートベクトルマシン(SVM),主成分分析(PCA),および moth炎最適化技術を使用する効果的統合MLアプローチを提案する。最初に,MLアルゴリズム決定木(DT),SVM,ランダムフォレスト(RF),およびNaive Bayes(NB)を糖尿病性網膜症データセットに適用した。これらの中で,SVMアルゴリズムは平均76.96%の性能で優れている。その後,すべての前述のMLアルゴリズムを,データセットの次元を減らすためにPCA技術を統合することによって実行した。PCAを統合した後に,アルゴリズムNB,RF,およびSVMの性能は劇的に減少した。反対に,DTの性能は増加した。MLアルゴリズムの性能を改善するために, moth-火炎最適化技術をSVMとPCAと統合した。この提案方式は,他の全てのMLアルゴリズムの中で平均85.61%の性能で性能が優れており,クラスラベルの分類が正しく達成される。Please refer to the publisher for the copyright holders. 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 ,  最適化 ,  *網膜 ,  最適化手法 ,  ディシジョンツリー ,  主成分分析 ,  *糖尿病性網膜症 ,  盲 ,  *機械学習 ,  リポジトリ ,  サポートベクトルマシン
準シソーラス用語： ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (7件)： 糖尿病性網膜症 ,  サポートベクトルマシン ,  機械学習 ,  moth炎の最適化 ,  分類 ,  対策 ,  主成分分析

分類 (2件)： 眼の診断  (GP02000N) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 糖尿病性網膜症 ,  統合 ,  機械学習