Higashi
- 2. 研究背景(1/2)
末期腎臓病(ESRD : End Stage Renal Disease)
-血液から老廃物や過剰な水分を除去するため血液透析を行う
1
シャントを作成することで
十分な血流量を確保
患者の高齢化、シャントの長期使用
シャントが抱える問題点
狭窄(血管が細くなる) 閉塞(血管が詰まる)が発生
- 透析時のパフォーマンスの低下
静脈
動脈
吻合部
シャントのイメージ図
- 6. 血管抵抗指数(RI)の説明
血管抵抗指数(Resistance Index : RI)
-末梢への血流の流れにくさを反映する指標
5
引用元 : http://www.fukuoka-
vaccess.jp/blog/images_mt/%E3%81%A4%E3%81%8F%E3%
81%B0%E5%9B%BD%E9%9A%9B%E4%BC%9A%E8%AD%B
0%E5%A0%B420110922%E8%8C%A8%E5%9F%8E.pdf
超音波診断装置Noblus
引用:http://www.g-
mark.org/award/describe/39321
シャント管理における超音波パルスドップラ-法の有用性について
(Murakami 2003)
- 8. 課題 : 識別精度の向上
提案 : アンサンブル学習を用いた識別
- モデルの組み合わせで精度向上が見込まれる
組み合わせるモデルの性能に依存
特徴量についても検討
提案手法
7
引用:https://datachemeng.com/ensemblelearning/
- 19. 評価指標の算出
18
正解率 =
𝑨 + 𝑫
𝑨 + 𝑩 + 𝑪 + 𝑫
適合率 =
𝑨
𝑨 + 𝑩
再現率 =
𝑨
𝑨 + 𝑪
F値 =
𝟐(再現率 × 適合率)
再現率 + 適合率
実際の状態
異常あり 異常なし
識
別
器
に
よ
る
予
測
異常あり A B(第一種の誤り)
異常なし C(第二種の誤り) D
第二種の誤り : 異常がある患者を正常と判断してしまう誤り
第一種の誤り : 正常である患者を異常と判断してしまう誤り
- 20. それぞれの識別における結果
19
正答率(%)
(SD : 標準偏差)
固定長 一脈拍
データ
調整
移動・伸縮
処理
二次元
特徴量
二次
カーネル
SVM
55.3%
(SD 0.114)
59.7%
(SD 0.077)
59%
(SD 0.056)
66%
(SD 0.045)
62.3%
(SD 0.120)
RBF
カーネル
SVM
63.3%
(SD 0.101)
63.7%
(SD 0.068)
62.3%
(SD 0.090)
67.7%
(SD 0.086)
69%
(SD 0.048)
RF 71.3%
(SD 0.081)
68%
(SD 0.104)
67%
(SD 0.107)
71.3%
(SD 0.089)
71.7%
(SD 0.103)
SVMに比べRFによる識別精度が高い傾向