文献

J-GLOBAL ID：201702212523987227   整理番号：17A1628227

ECG信号と進化的ニューラルシステムに基づく心臓健康認識の新しい方法論【Powered by NICT】

Novel methodology of cardiac health recognition based on ECG signals and evolutionary-neural system

著者 (1件)： Plawiak Pawel (Institute of Telecomputing, Faculty of Physics, Mathematics and Computer Science, Cracow University of Technology, Warsaw 24 st., F-5, 31-155 Krakow, Poland)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 92  ページ： 334-349  発行年： 2018年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ECG信号解析と進化的ニューラルシステムに基づく心臓疾患(17クラス)の効率的な分類を可能にする革新的な研究方法論を提示した。社会の観点から,心疾患,世界的な死亡の最も一般的な原因であることを防ぐために非常に重要である。統計的データによると,五千万人は心臓疾患のリスクがある世界。心電図信号解析の主題である非常に一般的である。しかし,扱う仕事の大きな困難,および既存の方法の高い計算複雑性のために,実行するために実質的な研究である。本研究では,45人の患者から,MLII,鉛のMIH BIH不整脈データベースからのECG信号の1000断片を収集した。ECG信号のより長い(10 s)フラグメントの分析しながら構成されたオリジナルな方法論は,使用した(平均13倍少ない分類)であった。ECG信号の特徴を増強するために,スペクトルパワー密度を推定した(Welchの方法と離散Fourier変換を用いた)。パラメータの遺伝的最適化と特徴の遺伝的選択を試験した。前処理,正規化,特徴抽出と選択,交差検証と機械学習アルゴリズム(SVM,kNN,PNNおよびRBFNN)を使用した。SVM分類器に基づいて,最良の進化的ニューラルシステムは90.20%(98誤差当たり1000分類,精度=98.85%,特異性=99.39%,1試料の分類のための時間=0.0023[S])のレベルで17心筋機能障害の認識感度を得た。現在の科学的文献の背景に対して,これらの結果は,これまで最良の結果のいくつかである。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *心臓 ,  心臓病 ,  不整脈 ,  信号解析 ,  ニューラルネットワーク ,  前処理 ,  正規化 ,  特徴抽出 ,  心筋疾患 ,  *心電図 ,  統計データ ,  計算量 ,  学習アルゴリズム ,  患者 ,  データベース

著者キーワード (11件)： 心電図 ,  生物医学信号処理と解析 ,  分類 ,  機械学習アルゴリズム ,  ニューラルネットワーク ,  サポートベクトルマシン ,  K最近傍アルゴリズム ,  進化的ニューラルシステム ,  遺伝的アルゴリズム ,  特徴抽出と選択 ,  離散Fourier変換

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ECG信号 ,  進化 ,  心臓 ,  健康認識 ,  方法論