文献

J-GLOBAL ID：201702233030801328   整理番号：17A0179637

ウェーブレット変換とAdaBoostを用いた連続発作検出のための低コストとエネルギー効率の良いEEGプロセッサ【Powered by NICT】

A low-cost and energy-efficient EEG processor for continuous seizure detection using wavelet transform and AdaBoost

著者 (5件)： Huang Shan (State-Key Laboratory of ASIC and System, Fudan University, Shanghai 201203, China) ,  Han Jun (State-Key Laboratory of ASIC and System, Fudan University, Shanghai 201203, China) ,  Li Xin (State-Key Laboratory of ASIC and System, Fudan University, Shanghai 201203, China) ,  Yang Zongxian (State-Key Laboratory of ASIC and System, Fudan University, Shanghai 201203, China) ,  Zeng Xiaoyang (State-Key Laboratory of ASIC and System, Fudan University, Shanghai 201203, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BioCAS  ページ： 344-347  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： 患者特異的発作検出のための16チャネル,低複雑性とエネルギー効率の良い脳波(EEG)プロセッサを提示した。特徴抽出アルゴリズムは低オーバヘッド2レベルリフティングに基づく離散ウェーブレット変換(LWT)からの近似係数からの線長特徴を抽出する。低計算特徴ベクトル構築は隣接するエポックから抽出された特徴の連結により行った。ディシジョンツリーを用いた低複雑性二元Adaboost分類器は分類段階で採用されている。分類器のパラメータのための単語長の減少は,分類性能とハードウエアコストとの間のトレードオフを行った。実験の結果,提案アルゴリズムは平均感度,平均誤警報率と潜時93.8%,0.16誤警報/時間と1s,を持つことを示した。TSMCの65nm CMOSにおけるレイアウト後のシミュレーションにより,提案したプロセッサは,0.39μJ/分類であり,入力ビット当たり0.006nJに相当することを消費することを示した。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： *演算プロセッサ ,  ディシジョンツリー ,  脳波 ,  *発作 ,  特徴抽出 ,  *ウェーブレット変換 ,  単語 ,  *エネルギー効率
準シソーラス用語： 誤警報 ,  誤警報率 ,  EPOC ,  特徴ベクトル ,  離散ウェーブレット変換 ,  低複雑性 ,  *AdaBoost , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： ウェーブレット変換 ,  AdaBoost ,  発作 ,  エネルギー効率 ,  EEG ,  プロセッサ