文献

J-GLOBAL ID：202202264255114362   整理番号：22A1082629

アンサンブルランダムフォレストを用いたSepsis予測【JST・京大機械翻訳】

Sepsis prediction using ensemble random forest

著者 (5件)： Raja S. Kanaga Suba (Department of Information Technology, Easwari Engineering College Ramapuram, Chennai, India) ,  Valarmathi K. (Department of Information Technology, Easwari Engineering College Ramapuram, Chennai, India) ,  Sri S. Deepthi (Department of Information Technology, Easwari Engineering College Ramapuram, Chennai, India) ,  Harishita S. (Department of Information Technology, Easwari Engineering College Ramapuram, Chennai, India) ,  Keerthanna V. (Department of Information Technology, Easwari Engineering College Ramapuram, Chennai, India)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2405  号： 1  ページ： 030027-030027-7  発行年： 2022年 
JST資料番号： D0071C  ISSN： 0094-243X  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： 機械学習は今日の市場で広く用いられている技術であり,医療産業において重要な役割を担っている。数千の医療報告書を手動で処理するのは不可能であるが,機械学習アルゴリズムでは何百万のデータが時間も処理できない。機械学習アルゴリズムを使用して,実時間で不可能な開始前でも,数時間以内の疾患を予測することが可能である。Sepsisは感染に対する身体反応によりもたらされる致死疾患の一つであり,その後,進行性臓器機能障害をもたらす系統的炎症応答症候群を引き起こす。Ensembleアプローチの助けにより,敗血症は改良ランダムフォレストを用いて改善された精度(97.7%)で予測される。著者らの提案システムは,伝統的方法と比較して非常に迅速に敗血症を診断する医師にとって有効である。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 精度 ,  *計算機アルゴリズム ,  機能障害 ,  *敗血症 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： *Sepsis ,  実時間 ,  炎症反応 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： アンサンブル ,  ランダムフォレスト ,  予測