文献

J-GLOBAL ID：202202229019801194   整理番号：22A0965686

データ強調とアルゴリズムアンサンブルに基づく糖尿病予測モデル【JST・京大機械翻訳】

Diabetes prediction model based on data enhancement and algorithm ensemble

著者 (6件)： Wang Wei (Jilin Univ. (China)) ,  Xu Gaochao (Jilin Univ. (China)) ,  Li Yang (North China Univ. of Technology (China)) ,  Jin Zhenjun (Jilin Univ. (China)) ,  Li Long (Jilin Univ. (China)) ,  Dai Zhiqiang (Jilin Univ. (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 12168  ページ： 121682Q-6  発行年： 2022年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 糖尿病は高血糖を特徴とする慢性疾患である。推定の統計によると,糖尿病の人々の数は,2021年に537百万に達した。糖尿病の数の増加は,糖尿病が人類を脅かす世界的な健康疾患になる。糖尿病は通常,長期間の診断を伴う。糖尿病が発見される前に,身体は長い間,高い血糖の状態にあり,患者の重大な合併症を引き起こし,糖尿病の早期発見と治療は,疾患に起因する有害性を大いに軽減する。この文脈において,本論文は,IrvineにおけるCalifornia大学によって発表されたPIMAインド糖尿病データセット(PID)に基づく糖尿病予測アルゴリズムを提案した。モデルアーキテクチャに関して,予測アルゴリズムモデルをクラウドサーバセンターに保存して,クラウドサーバの効率的な計算電力に完全プレイを与えて,モデルアルゴリズムを反復的に更新することはより便利である。アルゴリズムモデルを2つの部分に分割した。第一部では,ニューラルネットワークを用いてデータの次元を上げた。Cover定理に触発されて,データの非線形次元は,データを区別するのが容易である。次元を上げるプロセスにおいて,損失関数を用いて,次元をより強く上げる後にデータ分離性を作った。第二部は,基底分類アルゴリズムを訓練するために,上昇次元データを使用し,そして,最終モデルを得るために,訓練アルゴリズムを積層法と統合する。最後に,アルゴリズムモデルの予測精度は試験セットに関して89.72%であり,それはPIDデータセットに関して提案した他のアルゴリズムと比較して著しく改善された。COPYRIGHT SPIE. 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 ,  ニューラルネットワーク ,  精度 ,  血糖 ,  *糖尿病 ,  ヒト ,  有害性 ,  *モデル ,  患者 ,  計算機アーキテクチャ ,  合併症 ,  早期診断 ,  学習アルゴリズム ,  *予測モデル
準シソーラス用語： 予測精度 ,  予測アルゴリズム , 【Automatic Indexing@JST】

分類 (4件)： 代謝異常・栄養性疾患一般  (GD05010J) ,  分光分析  (CC03012W) ,  医用画像処理  (JE04020T) ,  眼の基礎医学  (GP01020C)

タイトルに関連する用語 (4件)： アルゴリズム ,  アンサンブル ,  糖尿病 ,  予測モデル