文献

J-GLOBAL ID：202202263526747596   整理番号：22A0475591

健康管理システムにおける2型糖尿病予測のためのXGBoostの特徴変換に基づく新しいバイナリロジスティック回帰モデル【JST・京大機械翻訳】

Novel binary logistic regression model based on feature transformation of XGBoost for type 2 Diabetes Mellitus prediction in healthcare systems

著者 (9件)： Wu Yalin (Department of Artificial Intelligence, Jeonju University, Jeonju 560759, Republic of Korea) ,  Wu Yalin (Mechanical Electrical Engineering School, Beijing Information Science & Technology University, Beijing 100192, China) ,  Zhang Qianjian (Mechanical Electrical Engineering School, Beijing Information Science & Technology University, Beijing 100192, China) ,  Hu Yaqin (Department of Endocrinology, Jiangxi Provincial People’s Hospital Affiliated to Nanchang University, Nanchang 330006, China) ,  Sun-Woo Ko (Department of Artificial Intelligence, Jeonju University, Jeonju 560759, Republic of Korea) ,  Zhang Xiangyan (Mechanical Electrical Engineering School, Beijing Information Science & Technology University, Beijing 100192, China) ,  Zhu Hongmin (Department of Cardiology, Jiangxi Provincial People’s Hospital Affiliated to Nanchang University, Nanchang 330006, China) ,  jie Liu (Department of Computer Engineering, TaiYuan institute of technology, Taiyuan 030008, China) ,  Li ShiYong (Shenzhen Vocational Technical College, Shenzhen 518055, China)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 129  ページ： 1-12  発行年： 2022年 
JST資料番号： A0620C  ISSN： 0167-739X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 糖尿病Mellitus(DM)の急速に増加する発生率は,DMが世界のすべての部分で人間の生命を脅かす重大な病気であることを示した。特にII型DM(T2DM)の後期段階は複雑な合併症を伴う。種々のデータマイニングアルゴリズムによる健康管理システムは,患者がT2DMの早期検出において糖尿病患者が糖尿病を有するかどうかを見つけるのを助けることができる。本研究では,T2DMの特定のタイプを正確に予測するためのXGBoost(XGBoost-BLR)の特徴変換に関する新規で効率的なバイナリロジスティック回帰(BLR)を提案し,モデル適応を1つ以上のデータセットに順応させた。識別比率を上げるために,データベースを,異常値,正規化,および欠測値処理の除去を含む一連の前処理手順によって実行した。χ2検定(CST)の結果に,より重要な影響を与える特徴を選択した。次に,選択した特徴を,XGBoostによって高次元特徴空間に投影した。最後に,生成された高次元特徴をBLR応用によってモデル化することができた。提案したXGBoost-BLRは,Pimaインド糖尿病データベース(PIDD)および早期ステージ糖尿病リスク予測データベース(ESDRPD)における糖尿病予測に対して94%および98%の同定率を達成した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  データベース ,  *糖尿病 ,  *健康管理 ,  異常値 ,  高次元 ,  正規化 ,  合併症 ,  *2型糖尿病 ,  データマイニング
準シソーラス用語： *ロジスティック回帰分析 ,  欠測値 ,  特徴空間 ,  *ロジスティック回帰モデル ,  糖尿病患者 , 【Automatic Indexing@JST】

著者キーワード (6件)： XGBoost ,  特徴変換 ,  二値ロジスティック回帰 ,  XGBoostバイナリロジスティック回帰 ,  2型糖尿病 ,  医療システム

分類 (2件)： 計算機網  (JC03000K) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (6件)： 管理システム ,  2型糖尿病 ,  予測 ,  特徴変換 ,  バイナリ ,  ロジスティック回帰モデル