講演情報
[4K-02]次元削減と階層型手法による心筋梗塞合併症予測
*古垣 遵之1、木内 絢美2、山名 早人3 (1. 早稲田大学基幹理工学部、2. 早稲田大学大学院基幹理工研究科、3. 早稲田大学理工学術院)
発表者区分:学生
論文種別:ロングペーパー
インタラクティブ発表:あり
論文種別:ロングペーパー
インタラクティブ発表:あり
キーワード:
医療・ヘルスケア、機械学習、次元削減、階層型手法、多次元データ
心筋梗塞は急性発症し生命に関わる疾患で,日本の主要な死因の一つである.危険性は発症そのものにとどまらず,特に予後に大きな影響を与える合併症への注意を要する.本研究では健康診断データや心電図などの多次元データを活用し,心筋梗塞合併症予測を目指す.少数クラスの予測精度が低いという課題に対処するために,前処理手法として次元削減を活用し,階層型手法を組み合わせた機械学習モデルを構築することによって,精度向上を図る.具体的には,次元削減において,データセット内のバイナリ特徴量が数多く存在することに着目し,病歴と入院時の心電図の計測結果を比較した際の変化という時系列を考量した新たな特徴量を生成した.また,不均衡なデータに対処するため,階層型手法を採用した.実験では,提案手法を使っていない場合では,86.5(Accuracy),81.5(F1-score)であり,提案手法を使った場合では86.4(Accuracy),82.8(F1-score)となった.F1-scoreにおいて,対応のあるt検定で,有意水準0.05における統計的有意差が確認された.