文献

J-GLOBAL ID：201002242039800990   整理番号：10A0589566

ARモデルとサポートベクトルマシンを用いた実時間癲癇発作の予測

Real-Time Epileptic Seizure Prediction Using AR Models and Support Vector Machines

著者 (7件)： CHISCI Luigi (Univ. Florence, Florence, ITA) ,  MAVINO Antonio (Univ. Florence, Florence, ITA) ,  PERFERI Guido (Univ. Florence, Florence, ITA) ,  SCIANDRONE Marco (Univ. Florence, Florence, ITA) ,  ANILE Carmelo (Catholic Univ. Sacred Heart, Rome, ITA) ,  COLICCHIO Gabriella (Catholic Univ. Sacred Heart, Rome, ITA) ,  FUGGETTA Filomena (Catholic Univ. Sacred Heart, Rome, ITA)
資料名： IEEE Transactions on Biomedical Engineering  (IEEE Transactions on Biomedical Engineering)
巻： 57  号： 5  ページ： 1124-1132  発行年： 2010年05月 
JST資料番号： C0236A  ISSN： 0018-9294  CODEN： IEBEAX  資料種別： 逐次刊行物 (A)
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： 脳波データのオンライン解析による患者-特異的癲癇発作予測手法を提案した。この手法は脳波時系列の自己回帰モデリングを行い,特徴抽出に対する最小二乗法パラメータ推定と発作前/発作および発作間状態の二値分類に対するサポートベクトルマシン(SVM)を組合せる。ここでは,SVMにKalmanフィルタ(KF)を導入し,分類に用いる連続変数を正則化した。頭蓋内脳波Freiburgデータ集合に対して提案の手法を適用し,100%の感度と低い偽警報率で全ての癲癇発作を正確に予測できることを示した。KF正則化は分類性能を顕著に改善できる。

シソーラス用語： 脳波 ,  *予測技法 ,  自己回帰モデル ,  サポートベクトルマシン ,  実時間処理 ,  特徴抽出 ,  パターン認識 ,  Kalmanフィルタ ,  パターン分類 ,  最小二乗法 ,  パラメータ推定 ,  正則化 ,  信号解析 ,  *計算機診断
準シソーラス用語： *てんかん発作

分類 (1件)： 神経系の診断  (GN02000H)

タイトルに関連する用語 (5件)： ARモデル ,  サポートベクトルマシン ,  実時間 ,  癲癇発作 ,  予測