文献

J-GLOBAL ID：202202298912001006   整理番号：22A1164800

機械学習アプローチを用いたサラセミア予測【JST・京大機械翻訳】

Thalassemia Prediction using Machine Learning Approaches

著者 (4件)： Devanath Ananyna (Daffodil International University,Department of Computer Science & Engineering,Daffodil Smart City, Dhaka) ,  Akter Shahnaz (Daffodil International University,Department of Computer Science & Engineering,Daffodil Smart City, Dhaka) ,  Karmaker Pushpita (Daffodil International University,Department of Computer Science & Engineering,Daffodil Smart City, Dhaka) ,  Sattar Abdus (Daffodil International University,Department of Computer Science & Engineering,Daffodil Smart City, Dhaka)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCMC  ページ： 1166-1174  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： Thalasemiaは,ヒト体が十分なヘモグロビンを生産できないならば,1種類の遺伝的血液障害である。ヘモグロビンは,誰の体でも非常に一般的な必須部分であることが知られている。ヘモグロビンの欠損があるならば,人体のRBCは効率的に機能しない。少量の健康な赤血球は血液中で循環する。赤血球により運ばれた酸素は,我々の体を適切に活性に保つために使用された細胞においてグルコースを生産するために使用した。十分な健康なRBCsの欠如のため,十分な酸素は,身体のあらゆる細胞に送達できず,それは損傷器官に責任があり,1つを死亡させる原因となる貧血を引き起こす理由である。本研究では,AIの重要な部分であるMLによるThalasemiaの存在を予測する。非常に一般的なMLアルゴリズムを処理データセットに実装した。K-最近傍(kNN),ロジスティック回帰,サポートベクターマシン(SVM),Naive Bayes,ランダムフォレスト,適応ブースティング(ADAブースティング),Xgboost,ディシジョンツリー,多層パーセプトロン(MLP)および勾配ブースティング分類器。本研究では,10のアルゴリズムのうち,ADABOOSTアルゴリズムは,精度に関連する最大出力を与え,それは100%であった。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： アルゴリズム ,  酸素 ,  赤血球 ,  遺伝 ,  ヘモグロビン ,  ヒト ,  ディシジョンツリー ,  *サラセミア ,  多層パーセプトロン ,  *機械学習 ,  サポートベクトルマシン ,  ヘキソース ,  アルドース
準シソーラス用語： ロジスティック回帰分析 ,  ブースティング ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

物質索引 (1件)： グルコース

タイトルに関連する用語 (3件)： 機械学習 ,  サラセミア ,  予測