文献

J-GLOBAL ID：201202286888586030   整理番号：12A0930680

マルチスケールPCAによる信号特徴抽出と呼吸音分類への適用

Signal feature extraction by multi-scale PCA and its application to respiratory sound classification

著者 (4件)： XIE Shengkun (Ryerson Univ., Dep. of Electrical and Computer Engineering, M5B 2K3, Toronto, ON, CAN) ,  JIN Feng (Ryerson Univ., Dep. of Electrical and Computer Engineering, M5B 2K3, Toronto, ON, CAN) ,  KRISHNAN Sridhar (Ryerson Univ., Dep. of Electrical and Computer Engineering, M5B 2K3, Toronto, ON, CAN) ,  SATTAR Farook (NEPTUNE Canada, Univ. of Victoria, V8W 2Y2, Victoria, BC, CAN)
資料名： Medical & Biological Engineering & Computing  (Medical & Biological Engineering & Computing)
巻： 50  号： 7  ページ： 759-768  発行年： 2012年07月 
JST資料番号： C0046B  ISSN： 0140-0118  CODEN： MBECDY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 呼吸音(RS)信号は,偶発音の存在により呼吸システムの内在する機能についての重要な情報を持っている。多くの研究は,病理的RS分類の問題を取り扱ったが,マルチスケール解析に関しては,限られた数の科学的研究しかない。本文では,信号のフェーリエパワースペクトルの主な変動性を捉える為の信号強化,特徴抽出法として,マルチスケール主成分分析(PCA)に基づきRSの各種形式に対して新しい信号分類法を提案した。高次元特徴サブ空間においてRS信号を分類するので,経験的分類と名付けた,新しい分類法を,分類段階での信号次元減少に対して開発した。そしてよりロバスト性であり,他の簡易分類器よりも性能に優れている。689個の実RS録音セグメントの分類に対して98.34%の全体精度は,提案法の期待できる性能を示した。Copyright 2012 International Federation for Medical and Biological Engineering Translated from English into Japanese by JST.

シソーラス用語： *症状 ,  肺機能検査 ,  *特徴抽出 ,  *主成分分析 ,  分類 ,  信号弁別 ,  呼吸器診断 ,  生体計測 ,  精度 ,  医用工学
準シソーラス用語： マルチスケール解析 ,  *呼吸音

分類 (3件)： 呼吸器の診断  (GI02000S) ,  生体計測  (EL03020C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： マルチスケール ,  PCA ,  特徴抽出 ,  呼吸音 ,  分類