文献

J-GLOBAL ID：202202258402612686   整理番号：22A0895718

NesteEn S→μmV n:冠動脈疾患を診断するためのブーストネスト化アンサンブル多重化【JST・京大機械翻訳】

NestEn_S^mVⁿ: boosted nested ensemble multiplexing to diagnose coronary artery disease

著者 (5件)： Shastri Sourabh (Department of Computer Science & IT, University of Jammu, Jammu, Jammu & Kashmir, India) ,  Singh Kuljeet (Department of Computer Science & IT, University of Jammu, Jammu, Jammu & Kashmir, India) ,  Kumar Sachin (Department of Computer Science & IT, University of Jammu, Jammu, Jammu & Kashmir, India) ,  Kour Paramjit (Department of Computer Science & IT, University of Jammu, Jammu, Jammu & Kashmir, India) ,  Mansotra Vibhakar (Department of Computer Science & IT, University of Jammu, Jammu, Jammu & Kashmir, India)
資料名： Evolving Systems  (Evolving Systems)
巻： 13  号： 2  ページ： 281-295  発行年： 2022年 
JST資料番号： W4358A  ISSN： 1868-6478  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： 冠動脈疾患(CAD)は,過去数十年から死亡率と罹患率の増加の原因となる最も顕著な疾患である。CAD(心血管疾患の型)の早期および正確な検出は,社会の最も緊急のニーズである。本研究では,(i)単一分類器,(ii)ブースティングネスト集合,(iii)ブースト投票ネスト集合,および(iv)積層投票ネストアンサンブルの4つのフェーズにおけるCレベルおよびデータセットを用いて実験を行った。一般化フレームワークNestEn_SmVnを,設計したネストアンサンブルモデル(相iiからiv以上)に対して提案した。提案フレームワーク(NestEn_SmVn)は,モデル(ID E_ID3-G_ID6)を基本分類器として適応ブースティングとベイジアンネットワークで設計したモデル(ID E_ID3-G_ID6)を用いて,MOとLMTをメタ学習者として設計し,F測度とROC値はそれぞれ98.70と99.00%であった。提案したフレームワーク(NestEn_SmVn)を用いた入れ子集合(相iv)からの最良の提案モデル(ID E_ID3-G_ID6)は,相(i-iv)とすべての以前の研究から他のすべてのモデルより優れていた。提案フレームワークは,臨床決定システムをサポートでき,以前のCAD診断技術を置き換えることができる。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 測度 ,  システム ,  死亡率 ,  *多重化 ,  心血管疾患 ,  罹患率 ,  投票 ,  *冠動脈疾患 ,  機械学習
準シソーラス用語： ブースティング ,  信念ネットワーク ,  入れ子構造 , 【Automatic Indexing@JST】

著者キーワード (5件)： 冠動脈疾患(CAD) ,  ブースティング ,  スタッキング ,  投票 ,  入れ子型アンサンブル

分類 (4件)： 計算機網  (JC03000K) ,  通信網  (ND07030A) ,  移動通信  (ND08030H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 冠動脈疾患 ,  診断 ,  アンサンブル ,  多重化