文献

J-GLOBAL ID：202202261539897312   整理番号：22A0778724

機械学習アルゴリズムを用いた心臓病の予測【JST・京大機械翻訳】

Prediction of Cardiac Diseases Using Machine Learning Algorithms

著者 (4件)： Suneetha J. (Department of CSE, CMRIT, Bangalore, India) ,  Tabassum Husna (Department of CSE, CMRIT, Bangalore, India) ,  Chavan Pundalik (Department of CSE, CMRIT, Bangalore, India) ,  Deepak N. R. (Department of CSE, CMRIT, Bangalore, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1413  ページ： 11-22  発行年： 2022年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
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： 冠動脈疾患または心臓脳卒中は世界中で最も一般的な疾患である。この疾患を減らすために,心臓脳卒中の予測を行う必要がある。多くの機械学習は,すでに医学分野で存在している。機械学習アルゴリズムは,冠状動脈疾患または心臓脳卒中の予測に使用できる。本論文では,様々な機械学習アルゴリズムをデータセットに適用して,心臓ストロークまたは冠状動脈疾患を予測した。使用したデータセットは,Cレベルandのデータセットであり,そこでは,患者の医療パラメータである14の属性を含んでいる。医学試験から得た結果はほとんど属性ではない。ディシジョンツリー,ロジスティック回帰,ランダムフォレスト,MLP,バギングのようなアルゴリズムを,心臓ストロークを予測するためにデータセットに適用した。データセットを訓練と試験データセットに分割し,アルゴリズムを適用して,心臓ストロークを予測する精度を見出した。RStudioとWEKAを用いて実装を行った。また,データセットにおける少数の属性を除去することによって,同じ実装を適用した。減少(除去)属性の背後にあるアイデアは,データセットにおける少数の属性が患者に対して行われた医療試験の結果であることである。何時も,医療試験は高価である。したがって,著者らは,縮小属性で同じ精度を得ることができるならば,著者らは,予測が,より少ない数の医学テストで行うことができると結論づけることができる。実施した実装と解析から,ロジスティック回帰が,決定木によって最も高い精度を提供することを示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 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 ,  データ ,  *心臓 ,  精度 ,  *心臓病 ,  ディシジョンツリー ,  計算機アルゴリズム ,  患者 ,  脳卒中 ,  冠動脈疾患 ,  パラメータ ,  *機械学習 ,  *学習アルゴリズム
準シソーラス用語： ロジスティック回帰分析 ,  試験データ ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 決定木 ,  ロジスティック回帰 ,  ランダムフォレスト ,  MLP ,  バギング

分類 (3件)： 循環系の診断  (GJ02000V) ,  人工知能  (JE08000Z) ,  循環系疾患の外科療法  (GJ05030X)

タイトルに関連する用語 (4件)： 機械学習 ,  アルゴリズム ,  心臓病 ,  予測