手術前の有害事象予測におけるFiltered β-VAEによるデータ生成の検討

• Item type: Symposium(1)
• 公開日: 2022-10-17
• タイトル: 手術前の有害事象予測におけるFiltered β-VAEによるデータ生成の検討
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: データ生成，機械学習，有害事象，医療
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 東京歯科大学市川総合病院麻酔科／杏林大学医学部麻酔科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者名: 山崎, 雄貴; 北川, 栞; 土井, 千章; 関, 博志; 重野, 寛
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 手術後に引き起こされる死亡や心停止などの有害事象は，患者の回復に悪影響を与えるだけでなく，入院期間が長期化するため，医師と患者の負担増加に繋がる．手術前に患者データから有害事象の発生有無を予測することによって，各患者の状態に合った手術計画を立案することが可能になり，有害事象の発生を回避することが期待される．しかし，患者データは，データを大量に収集することが困難であり，クラス間でデータ数の偏りや分布の重なりが存在する不均衡データであるため，少数クラスである有害事象の発生有無を正確に予測することが難しい．そこで，本稿では，有害事象の予測精度向上を目的として，手術前の有害事象予測における Filtered β-VAE によるデータ生成を提案する．提案手法である Filtered β-VAE では，β-VAE によるデータ生成に，新たに 2 層のフィルタリングを追加する．これにより，患者データから質の高い少数クラスデータを生成でき，少数クラスである有害事象の予測精度向上を可能にする．提案手法により構築した予測モデルでは，Recall 0.848 で有害事象を予測可能であり，既存手法と比較して 5.1% 予測精度が向上した．また，Filtered β-VAE によるフィルタリングの効果を可視化した．
• 書誌情報: 第30回マルチメディア通信と分散処理ワークショップ論文集; p. 134-140, 発行日 2022-10-17
• 出版者 / 言語: ja
• 出版者: 情報処理学会