文献

J-GLOBAL ID：202202235166087600   整理番号：22A1104241

インターベンショナル医療における意思決定のためのハイブリッドモデル【JST・京大機械翻訳】

A Hybrid Model for Decision-Making in Interventional Medicine

著者 (2件)： Konduri Praveen Sr (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,AP,India) ,  Rao G. Siva Nageswara (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,AP,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICAIS  ページ： 1605-1613  発行年： 2022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： 介入医学は,医学分野での最も有望な進歩の1つと考えられている。それは,診断,治療などの異なる医療処置を支援するための非常に有用な技術である。介入医学の意思決定力と同様に品質を改善するために,この分野で多くの研究が行われている。しかし,それらの多くは,より良い結果を達成することができなかった。したがって,本研究は,Ant Colony最適化ディープコンボルーションニューラルネットワーク(ACO-DCNN)として知られる効率的な心臓病分類手順を通して,介入医学の意思決定能力と同様に,品質を impめるための新アプローチを提唱した。このアプローチをテキストや画像のような2つの異なる型データセットの支援により実行した。テキストデータ処理は,前処理,特徴選択および分類のような異なる手順から成る。同様に,画像データを前処理,抽出,選択および分類のような異なる手順を用いて処理した。本研究では,ACO-DCNN分類器を用いて画像とテキストデータを分類した。PYTHONプラットフォームを用いて,UCIテキストデータセットとECG画像データセットのような2つの公開利用可能なデータセットを用いて,提案技法を評価した。考慮した異なる性能測度は,精度,感度,F1スコアおよび特異性である。評価結果から,画像データセットに対して達成された分類精度は95.83%であり,テキストデータセットは95.86%であった。また,比較結果は,提案方法が他の既存の方式より良いことを示した。Copyright 2022 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： 最適化 ,  *意思決定 ,  前処理 ,  特徴選択 ,  心臓病
準シソーラス用語： 画像データ ,  性能測度 ,  分類精度 ,  *ハイブリッドモデル ,  特異性 ,  医療処置 ,  テキストデータ , 【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 (3件)： 医療 ,  意思決定 ,  ハイブリッドモデル