文献

J-GLOBAL ID：202202267379489114   整理番号：22A0977826

深層ニューラルネットワークを用いた冠動脈心疾患診断システムのためのコストベース特徴選択モデル【JST・京大機械翻訳】

The Cost-Based Feature Selection Model for Coronary Heart Disease Diagnosis System Using Deep Neural Network

著者 (4件)： Wiharto (Department of Informatics, Universitas Sebelas Maret, Surakarta, Indonesia) ,  Suryani Esti (Department of Informatics, Universitas Sebelas Maret, Surakarta, Indonesia) ,  Setyawan Sigit (Department of Medicine, Universitas Sebelas Maret, Surakarta, Indonesia) ,  Putra Bintang Pe (Department of Informatics, Universitas Sebelas Maret, Surakarta, Indonesia)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 29687-29697  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 虚血性心疾患の診断のための知能システムにおける特徴選択モデルの開発は広く行われている。実施した開発の一つは,実施した検査の数を最小化することである。残念なことに,多くの特徴選択モデルは検査のコストを考慮しないので,特徴選択の結果は高いコストを必要とする平均検査である。本研究では,検査のコストを考慮した特徴選択モデルを用いて,冠動脈心疾患の診断のための知能システムモデルを提案した。遺伝的アルゴリズムとサポートベクトルマシンを用いて特徴選択を開発した。診断システムの意思決定は,精度,感度,陽性予測値,および曲線下面積(AUC)のパラメータを用いて測定されるシステム性能を有する深層ニューラルネットワークを用いて行われる。テスト結果は,54の既存の特徴から5つの特徴を作り出すz-Alizadeh saniモデル特徴選択データセットを使用する。これらの5つの特徴の使用は,93.7%のAUC性能,87.7%の精度,および87.7%の感度を生み出すことができる。得られた性能を参照して,検査のコストを考慮することによる特徴選択モデルは,非常に良いカテゴリーで性能を提供できることを示した。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： 意思決定 ,  *特性 ,  精度 ,  *特徴選択 ,  *冠動脈疾患 ,  血中濃度-時間曲線下面積 ,  遺伝的アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： *診断システム ,  *選択モデル ,  システム性能 ,  予測値 ,  知能システム ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 深層ニューラルネットワーク ,  冠動脈心疾患 ,  診断システム ,  特徴選択 ,  モデル