| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-11-06 16:50 脳卒中スケールにおける特徴選択手法の提案 ○田幡颯馬（東京電機大）・河野淳一（兵庫医科大）・前田英作（東京電機大）  PRMU2025-15 |
|
| 抄録 | （和） | 近年，医療AIの社会実装において，高精度な予測に加え予測根拠の説明可能性（XAI）が不可欠である．本研究は，救急搬送時の脳卒中判別を対象とし，従来の JUST Score 等の多項目入力の煩雑さや予測精度の課題を解消することを目的とする． 具体的には，高精度な XGBoost（eXtreme Gradient Boosting） と高透明な EBM（Explainable Boosting Machine） を比較し，入力特徴量を効果的に絞り込む逐次的な特徴選択手法を適用した．この手法は，各ステップで性能を維持できる最良の組み合わせを探索するものであり，偶然性を排除しつつ，最小限かつ臨床的に妥当な特徴量セットを特定した． EBM の透明性と絞り込まれた特徴の相乗効果により，予測根拠の明確さを追求し，救急現場における迅速性・操作性と高い信頼性を伴うトリアージ支援への実用化を目指す． |
| （英） | In recent years, the successful social implementation of medical AI requires not only high predictive accuracy but also explainability (XAI) of the prediction rationale. This study addresses the challenges of current stroke discrimination methods in emergency transport settings, such as the complexity of multi-item inputs like the traditional JUST Score, and aims to resolve existing issues with predictive accuracy. Specifically, we compared the highly accurate XGBoost with the highly transparent Explainable Boosting Machine (EBM) and applied a sequential feature selection method to effectively narrow down the input feature set. This method systematically explores the best feature combination that maintains performance at each step, ensuring the identification of a minimal and clinically justifiable feature set while eliminating randomness. The synergy between EBM's high transparency and the reduced feature set allows us to pursue clarity in prediction rationale, aiming for practical use in emergency triage support with enhanced speed, operability, and high reliability in the field. |
|
| キーワード | （和） | 医療データ / XGBoost / EBM / 特徴選択 / / / / |
| （英） | Medical Data / XGBoost / EBM / Feature Selection / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 229, PRMU2025-15, pp. 49-54, 2025年11月. | |
| 資料番号 | PRMU2025-15 | |
| 発行日 | 2025-10-30 (PRMU) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2025-15 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM IPSJ-CGVI IPSJ-DCC |
| 開催期間 | 2025-11-06 - 2025-11-07 |
| 開催地（和） | 松江テルサ |
| 開催地（英） | Matsue Terrsa |
| テーマ（和） | 歴史をつなぐCG/DCC/CV/PR技術 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2025-11-PRMU-CVIM-CGVI-DCC |
| 本文の言語 | 日本語 |
| タイトル（和） | 脳卒中スケールにおける特徴選択手法の提案 |
| サブタイトル（和） | |
| タイトル（英） | Feature Selection Methods for Stroke Scale |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 医療データ / Medical Data |
| キーワード(2)（和/英） | XGBoost / XGBoost |
| キーワード(3)（和/英） | EBM / EBM |
| キーワード(4)（和/英） | 特徴選択 / Feature Selection |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 田幡 颯馬 / Soma Tabata / タバタ ソウマ |
| 第1著者 所属（和/英） | 東京電機大学 (略称： 東京電機大) Tokyo Denki University (略称： TDU) |
| 第2著者 氏名（和/英/ヨミ） | 河野 淳一 / Junichi Kono / コウノ ジュンイチ |
| 第2著者 所属（和/英） | 兵庫医科大学 (略称： 兵庫医科大) Hyogo Medical University (略称： Hyogo Medical Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 前田 英作 / Eisaku Maeda / マエダ エイサク |
| 第3著者 所属（和/英） | 東京電機大学 (略称： 東京電機大) Tokyo Denki University (略称： TDU) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-11-06 16:50:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2025-15 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.229 |
| ページ範囲 | pp.49-54 |
| ページ数 | 6 |
| 発行日 | 2025-10-30 (PRMU) |
[研究会発表申込システムのトップページに戻る]