機械学習を用いた術中MEPモニタリング施行症例における術後麻痺予測のモデルの構築

フォーマット:

論文

責任表示:

油野, 岳夫 ; Yuno, Takeo

言語:

日本語

出版情報:

2020-04-18

著者名:

• 油野, 岳夫
• Yuno, Takeo

掲載情報:

令和1(2019)年度 科学研究費補助金 奨励研究 研究成果報告書 = 2019 Fiscal Year Final Research Report

巻:

2019

開始ページ:

3p.

バージョン:

author

概要:

金沢大学附属病院<br />術中運動誘発電位(MEP)モニタリングは、術後麻痺回避のため錐体路機能を術中に評価する。しかし、MEPモニタリングは様々な要因により影響を受けるため、術後麻痺の予測精度が高くないという問題がある。本研究では、機械学習を用いて、MEPモニタリング下での脳腫瘍摘出症例の術後麻痺予測モデルの構築を試みた。その結果、アルゴリズムやMEPモニタリングの評価法により分類性能の差が見られた。また、アルゴリズムによっては特徴量選択により、分類性能が向上 … した。本研究で最も高い分類性能を示した分類器は、MEPをアラームポイントで評価したアンサンブル学習であった。<br />研究課題/領域番号:19H00448, 研究期間(年度):2019<br />出典：「機械学習を用いた術中MEPモニタリング施行症例における術後麻痺予測のモデルの構築」研究成果報告書　課題番号19H00448（KAKEN：科学研究費助成事業データベース（国立情報学研究所））（https://kaken.nii.ac.jp/report/KAKENHI-PROJECT-19H00448/19H00448seika/)を加工して作成 続きを見る

URL:

http://hdl.handle.net/2297/00060576