文献

J-GLOBAL ID：201702216796449067   整理番号：17A1397155

深層畳込みニューラルネットワークを用いた自動塞栓信号の検出【Powered by NICT】

Automated embolic signal detection using Deep Convolutional Neural Network

著者 (6件)： Sombune Praotasna (Faculty of Engineering, Thammasat University, Thailand) ,  Phienphanich Phongphan (Faculty of Engineering, Thammasat University, Thailand) ,  Phuechpanpaisal Sutanya (Faculty of Engineering, Thammasat University, Thailand) ,  Muengtaweepongsa Sombat (Faculty of Medicine, Thammasat University, Thailand) ,  Ruamthanthong Anuchit (Phramongkutklao College of Medicine, Thailand) ,  Tantibundhit Charturong (Faculty of Engineering, Thammasat University, Thailand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 3365-3368  発行年： 2017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： 経頭蓋Doppler超音波(TCD)から脳塞栓信号(ES)の検出におけるディープニューラルネットワークの可能性を検討した。得られたシステムは,リアルタイムで脳卒中のリスクを診断高精度におけるTCD素子と結合することを目的とする。著者らの以前の研究で開発した適応利得制御(A GC)アプローチはリアルタイムでES疑いを捕捉するために採用した。入力と同じ実験装置として著者らの以前の研究のそれと同じTCD信号データセットのスペクトログラムを用いて,特徴を学習する訓練ができる,深層畳込みニューラルネットワーク(CNN)は,伝統的な手作り特徴抽出と選択プロセスを回避する能力を調べた。ESから抽出された特徴ベクトルは後にそれらはES,アーチファクト(AF)または正常(NR)間隔であるかどうかを決定した。開発したシステムの有効性は,塞栓を発生させる手順作業中で19名の被験者で評価した。CNNに基づくシステムは平均83.0%の感度と80.1%の特異性,及び81.4%の精度の達成,かなり開発におけるはるかに少ない時間消費であった。訓練試料と計算資源の確実成長セットを高性能に寄与するであろう。多彩な臨床ESモニタリング環境における使用可能性を持つ以外に,この有望な研究の継続は,人口統計学的差を機能する学習可能特徴を活用することによりウェアラブル応用の開発に役立つであろう。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： *ニューラルネットワーク ,  利得制御 ,  *塞栓症 ,  アーチファクト ,  *深層 ,  脳卒中 ,  *畳込み ,  学習 ,  特徴抽出
準シソーラス用語： 人口統計学 ,  特徴ベクトル ,  スペクトログラム ,  実時間 ,  ディープニューラルネットワーク ,  経頭蓋Doppler超音波検査法 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  生体計測  (EL03020C)

タイトルに関連する用語 (2件)： 深層畳込みニューラルネットワーク ,  塞栓