文献

J-GLOBAL ID：201702246659702223   整理番号：17A0414745

長期断片化された頭蓋内イヌおよびヒトEEG記録を用いた発作予測【Powered by NICT】

Seizure prediction using long-term fragmented intracranial canine and human EEG recordings

著者 (2件)： Zhang Zisheng (Department of Electrical and Computer Engineering, University of Minnesota, Twin Cities, MN 55455, USA) ,  Parhi Keshab K. (Department of Electrical and Computer Engineering, University of Minnesota, Twin Cities, MN 55455, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ACSSC  ページ： 361-365  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,てんかん患者における発作の予測のための新規患者特異アルゴリズムを提案した。相対スペクトルパワーとスペクトルパワー比,および電極の全ペア間の相互相関係数を含む,スペクトルパワーの特徴は二つの独立した特徴集合として抽出した。両特徴集合は,分類と回帰木(CART)による患者特異的様式で独立して選択した。選択された特徴をさらに二次Kalmanフィルタにより処理し,次に,AdaBoost,動径基底関数カーネルサポートベクトルマシン(RBF SVM)と人工ニューラルネットワーク(ANN)を含む三種類の分類器に入力した。アルゴリズムは,最近アメリカてんかん学会発作予測チャレンジデータベースからの頭蓋内EEG(iEEG)で試験した。頭蓋内脳波は五匹のイヌと二患者から記録した。これらのデータセットは,様々な数の電極を有し,異なるサンプリング周波数でサンプリングした。スペクトル特徴集合は,AdaBoost,SVMとANN(人工ニューラルネットワーク)のための0.7538,0.7739および0.7948の平均AUCを達成することを示した。相関係数特徴集合は,0.6640,0.7403とAdaBoost,SVMとANN(人工ニューラルネットワーク)のための0.7875の平均AUCを達成した。患者特異的特徴集合を用いた複合最良の結果が0.7603,0.8472とAdaBoost,SVMとANN(人工ニューラルネットワーク)のための0.8884の平均AUCを達成であった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： てんかん ,  *ヒト ,  動径基底関数 ,  患者 ,  *脳波 ,  ニューラルネットワーク ,  Kalmanフィルタ ,  *発作 ,  相関係数
準シソーラス用語： サンプリング周波数 ,  頭蓋内脳波 ,  AdaBoost ,  CART ,  回帰木 ,  *頭蓋 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  生体計測  (EL03020C)

タイトルに関連する用語 (7件)： 長期 ,  頭蓋 ,  イヌ ,  ヒト ,  EEG記録 ,  発作 ,  予測