検診結果ビッグデータを用いた構造適応型Deep Belief Networkの癌予測システムと知識発見

URI http://harp.lib.hiroshima-u.ac.jp/pu-hiroshima/metadata/12598
ファイル
タイトル
検診結果ビッグデータを用いた構造適応型Deep Belief Networkの癌予測システムと知識発見
別タイトル
Cancer Prediction of Medical Examination Data and Its Knowledge Extraction by Adaptive Structural Learning of Deep Belief Network
著者
氏名 鎌田 真
ヨミ カマダ シン
別名 Kamada Shin
氏名 市村 匠
ヨミ イチムラ タクミ
別名 Ichimura Takumi
氏名 原田 俊英
ヨミ ハラダ トシヒデ
別名 Harada Toshihide
抄録

Abstract—Deep Learning has a hierarchical network architecture to represent the complicated feature of in-put patterns. We have developed the adaptive structure learning method of Deep Belief Network (DBN) that can discover an optimal number of hidden neurons for given input data in a Restricted Boltzmann Machine (RBM) by neuron generation-annihilation algorithm, and hidden layers in DBN. The proposed adaptive structure DBN was applied to the comprehensive medical examination data for the cancer prediction. The prediction system shows the highest classification accuracy among the traditional DBN. In this paper, the explicit knowledge with respect to the relation between input and output patterns was extracted from the trained DBN network by C4.5. Some characteristics extracted in the form of If-Then rules to find an initial cancer were reported in this paper.

内容記述

開催日:平成30年7月28日
会場:広島工業大学

掲載雑誌名
2018 IEEE SMC Hiroshima Chapter若手研究会講演論文集
開始ページ
63
終了ページ
69
出版年月日
2018
出版者
IEEE SMC Hiroshima Chapter
寄与者
市村匠
本文言語
日本語
資料タイプ
会議発表論文
著者版フラグ
出版社版
区分
pu-hiroshima