文献

J-GLOBAL ID：201702219310714855   整理番号：17A1280969

限界学習器による心室性早期判別アルゴリズムの実現【JST・京大機械翻訳】

Implementation of the Algorithm for Premature Ventricular Contraction Discrimination Based on Extreme Learning Machine

著者 (4件)： Wang Ruirong (杭州電子科技大学生命信息与儀器工程学院,杭州,310018) ,  Yu Xiaoqing (杭州電子科技大学生命信息与儀器工程学院,杭州,310018) ,  Wang Min (杭州紅十字会医院骨科,杭州,310003) ,  Ye Yang (杭州紅十字会医院医務科,杭州,310003)
資料名： Zhongguo Shengwu Yixue Gongcheng Xuebao  (Zhongguo Shengwu Yixue Gongcheng Xuebao)
巻： 36  号： 2  ページ： 158-164  発行年： 2017年 
JST資料番号： C2256A  ISSN： 0258-8021  CODEN： ZSYXEI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 心室性期外収縮はよく見られる不整脈疾患であり、ヒトの生命に脅威をもたらし、正確な不整脈の診断は人々の心血管疾患の予防に重要な役割を果たす。MIT-BIH不整脈データベースにおけるデータを分析対象として、極限学習アルゴリズムに基づく診断方法を提案し、主に信号前処理、特徴抽出と分類を含み、心電図信号の心室性早期異常の判別を実現した。ウェーブレット変換と形態学的アルゴリズムを用いて,信号を前処理して,干渉を除去して,純粋なECG信号を得た。K-平均クラスタリングアルゴリズムを用いてQRS波群などの特徴パラメータを抽出し、これらのパラメータに基づいて正常洞調律と心室性早期の正サンプルと予測サンプルを構築し、極限学習機械分類器を結合してサンプル訓練と分類識別を行った。260の周期信号を選択して実験を行った結果、このアルゴリズムは正確に心室性早期異常を診断でき、最終的に陽性の平均検出率は95%に達し、平均感度は96%に達した。このアルゴリズムは,他のアルゴリズムと比較して,認識精度が非常に高いとき,アルゴリズムのリアルタイム性能を大いに向上させることができ,高い研究価値があり,また,移動医療と臨床医療においても実用的価値がある。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  データベース ,  *学習 ,  予測 ,  心電図 ,  不整脈 ,  学習アルゴリズム ,  *心室 ,  学習機械 ,  ウェーブレット変換 ,  ヒト ,  前処理 ,  *アルゴリズム
準シソーラス用語： QRS波 ,  心室性期外収縮 , 【Automatic Indexing@JST】

著者キーワード (4件)： extreme learning machine ,  premature ventricular contraction ,  ECG ,  MIT-BIH

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (6件)： 限界 ,  学習 ,  心室 ,  早期 ,  判別 ,  アルゴリズム