文献

J-GLOBAL ID：202202278288655247   整理番号：22A0979004

臨床データを使用した肺癌の機械学習に基づくプリエンプティブ診断【JST・京大機械翻訳】

Machine Learning Based Preemptive Diagnosis of Lung Cancer Using Clinical Data

著者 (10件)： Olatunji Sunday O. (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441) ,  Alansari Aisha (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441) ,  Alkhorasani Heba (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441) ,  Alsubaii Meelaf (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441) ,  Sakloua Rasha (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441) ,  Alzahrani Reem (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441) ,  Alsaleem Yasmeen (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441) ,  Alassaf Reem (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441) ,  Farooqui Mehwash (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441) ,  Ahmed Mohammed Imran Basheer (Imam Abdulrahman Bin Faisal University,College of Computer Science and Information Technology,Dammam,Saudi Arabia,31441)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CDMA  ページ： 115-120  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： 肺癌は,初期段階で日常の課題を遂行し,その死亡を引き起こすことから,重篤な合併症を限定する悪性疾患である。この疾患の罹患率は世界中で多数の統計により強調されている。肺の個人の予防的診断は,予防と治療の機会を強化することができる。したがって,本研究の目的は,”データ世界”ウェブサイトから得られた単純な臨床およびデモグラフィカル特徴を利用する肺癌の予測である。実験は,サポートベクトルマシン(SVM),K-最近傍(K-NN)およびロジスティック回帰(LR)分類器を用いて行った。モデル精度を改善するために,SMOTETomekをグリッドサーチCVと共に用いて,ハイパーパラメータを調整した。また,Re-再帰的特徴除去法を用いて,最良の特徴部分集合を見つけた。結果は,SVMが15の属性を用いて,98.33%の回収率,96.72%の精度,および97.27%の精度で最良の性能を達成したことを示した。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： 予防 ,  悪性疾患 ,  *肺腫瘍 ,  合併症 ,  *機械学習 ,  回収率 ,  サポートベクトルマシン
準シソーラス用語： ロジスティック回帰分析 ,  *臨床データ ,  グリッドサーチ ,  ハイパーパラメータ ,  モデル精度 , 【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 (4件)： 臨床データ ,  肺癌 ,  機械学習 ,  診断