文献

J-GLOBAL ID：202202275644319858   整理番号：22A1169834

モバイル医療監視システムにおけるPSO-LSTMを用いた虚血性脳卒中再発の予測モデル【JST・京大機械翻訳】

Prediction Model of Ischemic Stroke Recurrence Using PSO-LSTM in Mobile Medical Monitoring System

著者 (5件)： Li Qingjiang (School of Medical Technology, Qiqihar Medical University, Qiqihar, Heilongjiang 161000, China) ,  Chai Xuejiao (School of Public Health, Qiqihar Medical University, Qiqihar, Heilongjiang 161000, China) ,  Zhang Chunqing (Clinical Teaching Center, Qiqihar Medical University, Qiqihar, Heilongjiang 161000, China) ,  Wang Xinjia (School of General Practice and Continuing, Qiqihar Medical University, Qiqihar, Heilongjiang 161000, China) ,  Ma Wenhui (Clinical Teaching Center, Qiqihar Medical University, Qiqihar, Heilongjiang 161000, China)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7694A  ISSN： 1687-5265  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 従来の虚血性脳卒中再発予測方法の低予測精度と低感度の問題を目的として,適応粒子群最適化(PSO)アルゴリズムをLongとShort-Term記憶(LSTM)モデルに導入することにより,モバイル医療モニタリングシステムにおける深層学習を用いた虚血性脳卒中再発の予測モデルを提案した。最初に,クラスタ化アイデアに基づいて,粒子を,異なる粒子の特性情報および分布に従って,局所最適粒子および通常の粒子に分割した。異なる戦略で粒子を更新することにより,母集団の多様性を改善し,局所最適解の問題を解決した。次に,適応PSOアルゴリズムをLSTMに導入することによって,PSO-LSTM予測モデルを構築した。モデルの最適超パラメータを迅速かつ正確に決定し,このモデルを患者の臨床データと組み合わせて訓練した。最後に,元のデータを処理するためにSMOTE法を用いて,正と負のサンプルデータの不均衡を除去した。同じ条件下で,提案したPSO-LSTM予測モデルを2つの従来のLSTMモデルと比較した。結果は,PSO-LSTMモデルの予測精度が92.0%であり,2つの比較モデルより良いことを示した。虚血性脳卒中再発の効果的な予測を実現した。Copyright 2022 Qingjiang Li et al. 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 ,  最適化 ,  精度 ,  クラスタ化 ,  *監視装置 ,  *モデル ,  記憶 ,  母集団 ,  機械学習 ,  *予測モデル
準シソーラス用語： 不均衡 ,  粒子群最適化 ,  予測精度 ,  臨床データ ,  虚血性脳卒中 ,  局所最適解 ,  深層学習 ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

引用文献 (27件)：

• H. Kong, J. Chen, "Medical monitoring and management system of mobile thyroid surgery based on internet of things and cloud computing," Wireless Communications and Mobile Computing, vol. 2021, no. 2, pp. 10, 2021.
• W. An, Y. Zhang, Z. Tang, Z. Yang, "Evaluation of carotid plaque by time-intensity curve quantitative analysis of contrast-enhanced ultrasound combined with Essen stroke risk score in predicting the risk of recurrence of ischemic stroke," China Journal of Modern Medicine, vol. 30, no. 20, pp. 17-21, 2020.
• J. Liu, H. Zhao, C. Liu, Q. Jia, "Privacy data security policy of medical cloud platform based on lightweight Algorithm model," Scientific Programming, vol. 2021, no. 4, pp. 9, 2021.
• Y. Yang, K. Yan, Y. Li, Y. Qiang, J. Min, Z. Cairong, "Value of CHA2DS2-VASc score in predicting stroke recurrence in first-ever ischemic stroke survivors without atrial fibrillation," Journal of Southern Medical University, vol. 40, no. 6, pp. 786-792, 2020.
• X. M. Chen, L. Wang, J. Y. Jiang, Y. Gao, J. Li, "Association of total cholesterol/high density lipoprotein cholesterol ratio and stroke recurrence," Chinese Journal of Practical Nervous Diseases, vol. 23, no. 9, pp. 771-775, 2020.

タイトルに関連する用語 (7件)： モバイル医療 ,  監視システム ,  PSO ,  LSTM ,  虚血性脳卒中 ,  再発 ,  予測モデル