Fugu-MT 論文翻訳(概要): Predicting Participation in Cancer Screening Programs with Machine Learning

論文の概要: Predicting Participation in Cancer Screening Programs with Machine Learning

arxiv url: http://arxiv.org/abs/2101.11614v1
Date: Wed, 27 Jan 2021 11:05:46 GMT
ステータス: 処理完了
システム内更新日: 2021-03-13 19:39:10.142824
Title: Predicting Participation in Cancer Screening Programs with Machine Learning
Title（参考訳）: 機械学習によるがん検診プログラムへの参加予測
Authors: Donghyun Kim
Abstract要約: 本稿では,ランダム林分分類器,サポートベクターマシン,勾配ブースト決定木,ニューラルネットワークに基づく機械学習モデルを提案する。トップパフォーマンスモデルはグラデーションブースト決定木に基づいており、受信機動作特性曲線(AUC-ROC)0.8706および平均精度0.8776の領域を達成した。
参考スコア（独自算出の注目度）: 5.113102235191869
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present machine learning models based on random forest classifiers, support vector machines, gradient boosted decision trees, and artificial neural networks to predict participation in cancer screening programs in South Korea. The top performing model was based on gradient boosted decision trees and achieved an area under the receiver operating characteristic curve (AUC-ROC) of 0.8706 and average precision of 0.8776. The results of this study are encouraging and suggest that with further research, these models can be directly applied to Korea's healthcare system, thus increasing participation in Korea's National Cancer Screening Program.
Abstract（参考訳）: 本稿では,韓国におけるがん検診プログラムへの参加を予測するために,ランダムな森林分類器,サポートベクタマシン,勾配向上決定木,人工ニューラルネットワークを用いた機械学習モデルを提案する。トップパフォーマンスモデルはグラデーションブースト決定木に基づいており、受信機動作特性曲線(AUC-ROC)0.8706および平均精度0.8776の領域を達成した。本研究の成果は、さらなる研究により、これらのモデルが朝鮮の医療システムに直接適用され、朝鮮の国立がんスクリーニングプログラムへの関与が高まることを示唆するものである。