文献

J-GLOBAL ID：202202243866382662   整理番号：22A1039278

マイクロアレイ遺伝子発現を用いた最適深層学習可能前立腺癌検出【JST・京大機械翻訳】

Optimal Deep Learning Enabled Prostate Cancer Detection Using Microarray Gene Expression

著者 (7件)： Alshareef Abdulrhman M. (Department of Information Systems, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah, Saudi Arabia) ,  Alsini Raed (Department of Information Systems, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah, Saudi Arabia) ,  Alsieni Mohammed (Department of Pharmacology, Faculty of Medicine, King Abdulaziz University, Jeddah, Saudi Arabia) ,  Alrowais Fadwa (Department of Computer Sciences, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P. O. Box 84428, Riyadh 11671, Saudi Arabia) ,  Marzouk Radwa (Department of Information Systems, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh 11671, Saudi Arabia) ,  Abunadi Ibrahim (Department of Information Systems, College of Computer and Information Sciences, Prince Sultan University, P.O. Box No. 66833, Rafha Street, Riyadh 11586, Saudi Arabia) ,  Nemri Nadhem (Department of Information Systems, College of Science and Arts at Muhayel, King Khalid University, Mahayel Aseer, Saudi Arabia)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 前立腺癌は,世界中の死亡の主な原因である。癌の早期検出と分類は,患者の健康を改善するために非常に重要である。以前の研究は,前立腺癌検出のための統計的および機械学習(ML)技術を利用した。しかし,調査プロセスに存在するいくつかの課題は,高次元データの存在とより少ない訓練サンプル数である。メタヒューリスティックアルゴリズムは,次元のurseを解決して,人工知能(AI)技術の検出率を改善するために使用することができる。この動機により,本論文では,マイクロアレイ遺伝子発現データを用いた前立腺癌検出のための深層学習モデル(AIFSDL-PCD)による人工知能に基づく特徴選択を開発した。AIFSDL-PCD技術は,入力データ品質を高めるために前処理を含む。さらに,特徴の最適部分集合を選択するためのカオス的侵入雑草最適化(CIWO)ベースの特徴選択(FS)技術は,本研究の新規性を示した。さらに,ディープニューラルネットワーク(DNN)モデルを,マイクロアレイ遺伝子発現データにおける前立腺癌の存在を検出する分類モデルとして適用することができる。さらに,DNNモデルのハイパーパラメータは,RMSprop最適化器の使用により効果的に調整できた。CIWOベースのFS技術の設計は,計算量を減らし,分類精度を改善するのに役立つ。実験結果は,明確な測定に関して,他の技術に関するAIFSDL-PCDアプローチのより良い強調を強調した。Copyright 2022 Abdulrhman M. Alshareef et al. 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 ,  ニューラルネットワーク ,  *前立腺 ,  特徴選択 ,  計算量 ,  人工知能 ,  カオス ,  *遺伝子発現 ,  *前立腺腫瘍 ,  機械学習
準シソーラス用語： ヒューリスティック ,  *がん検出 ,  ハイパーパラメータ ,  *深層学習 ,  *マイクロアレイ遺伝子発現 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  遺伝子発現  (EC02040Q)

引用文献 (27件)：

• World Health Organization, "Cancer," 2018, https://www.who.int/news-room/fact-sheets/detail/cancer.
• M. T. Arslan, A. Kalinli, "A comparative study of statistical and artificial intelligence based classification algorithms on central nervous system cancer microarray gene expression data," Int J Intell Syst Appl Eng, vol. 4, 2016.
• H. Dhahri, E. Al Maghayreh, A. Mahmood, W. Elkilani, M. Faisal Nagi, "Automated breast cancer diagnosis based on machine learning algorithms," Journal of healthcare engineering, vol. 2019, pp. 11, 2019.
• A. Khare, M. Jeon, I. K. Sethi, B. Xu, "Machine learning theory and applications for healthcare," Journal of healthcare engineering, vol. 2017, pp. 2, 2017.
• P. Danaee, R. Ghaeini, D. A. Hendrix, "A deep learning approach for cancer detection and relevant gene identification," Pacific symposium on biocomputing, vol. 22, World Scientific, 2017.

タイトルに関連する用語 (3件)： マイクロアレイ遺伝子発現 ,  深層学習 ,  前立腺癌