文献

J-GLOBAL ID：202202264319700893   整理番号：22A0964418

COVID-19試料のRamanスペクトル分類のための機械学習パイプラインの探索【JST・京大機械翻訳】

Exploring Machine Learning Pipelines for Raman Spectral Classification of COVID-19 Samples

著者 (3件)： Deepaisarn Somrudee (School of ICT Sirindhorn International Institute of Technology, Thammasat University,Pathum Thani,Thailand) ,  Vong Chanvichet (School of ICT Sirindhorn International Institute of Technology, Thammasat University,Pathum Thani,Thailand) ,  Perera Maneesha (School of ICT Sirindhorn International Institute of Technology, Thammasat University,Pathum Thani,Thailand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： KST  ページ： 51-56  発行年： 2022年 
JST資料番号： W2441A  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： Raman分光法は試料の化学組成を分析,同定できる。本研究は,COVID-19感染および非感染ヒト被験者からの血清試料のRamanスペクトルを分類するための機械学習アルゴリズムに基づく計算法の開発を目的とする。この方法は,COVID-19対非COVID-19患者の迅速で正確な分類のためのツールとして,また研究におけるバイオマーカー発見のための方向に向けて,潜在的に役立ち得る。異なる機械学習分類器を,異なる次元縮小とスケール技術を有するパイプラインを用いて比較した。各パイプラインの性能を会合パラメータを変えて調べた。次元縮小応用の評価は,部品の数が50を超えないとき,パイプラインが一般的に良好に機能することを示した。ICAとMMScalerを適用したLightGBMモデルは,次元縮小のパイプラインに対して98.38%の最高試験精度をもたらし,一方,MMScalerを適用したSVMモデルは,次元縮小のないパイプラインに対して96.77%の最高試験精度を与えた。本研究は,血清試料中のCOVID-19誘導特性を分類するRaman分光法の有効性を示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *Ramanスペクトル ,  化学組成 ,  血清 ,  ヒト ,  有効性 ,  次元縮小 ,  Raman分光法 ,  バイオマーカー ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： 被験者 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： COVID-19 ,  試料 ,  Ramanスペクトル ,  分類 ,  機械学習 ,  パイプライン ,  探索