文献

J-GLOBAL ID：201702221236729665   整理番号：17A1724722

単一隠れ層ニューラルネットワークを用いた睡眠必要性散逸の自動特性化【Powered by NICT】

Automatic characterization of sleep need dissipation using a single hidden layer neural network

著者 (8件)： Garcia-Molina Gary (Philips Research North-America, Cambridge, Massachusetts, USA) ,  Baehr Keith (Department of Psychiatry, University of Wisconsin, Madison, Wisconsin, USA) ,  Steele Brenda (Wisconsin Sleep, University of Wisconsin Health, Madison, Wisconsin, USA) ,  Tsoneva Tsvetomira (Philips Research Europe, Eindhoven, The Netherlands) ,  Pfundtner Stefan (Philips Research Europe, Eindhoven, The Netherlands) ,  Riedner Brady (Department of Psychiatry, University of Wisconsin, Madison, Wisconsin, USA) ,  White David P. (Sleep and Respiratory Care, Philips, Monroeville, Pennsylvania, USA) ,  Tononi Giulio (Department of Psychiatry, University of Wisconsin, Madison, Wisconsin, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EUSIPCO  ページ： 1305-1308  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： 二プロセス睡眠モデルでは,睡眠欲求散逸速度は徐波活性(SWA;EEGパワー0.5~4Hzバンド)に比例した。睡眠必要性散逸の動力学はNREM睡眠におけるSWA値から計算できることを,二つのパラメータ(初期睡眠欲求S_oと崩壊速度γ)によって特性化した。本論文の目的は,自動的にNREM睡眠を検出し,家庭での睡眠中に捕捉された単一EEG信号を用いた<span style=text-decoration:overline>S^</span>_Oとγを推定するための神経回路網分類器を使用することである。二十名(被験者ごとに4睡眠夜間)からのデータは,この研究に使用した。ニューラルネットワークアーキテクチャは,以前の研究からのEEG睡眠データを訓練および検証セットとして用いて最適化した。モデルの性質を考えると,わずか三段階を考慮した(NREM,REM及び覚醒)。本研究データセットで達成されたカッパ値によって特徴づけられる分類精度は0.63(マニュアル病期分類と実質的な一致)であり,NREM検出のための特異性/感度はそれぞれ0.87と0.8であった。NREM検出において高特異性は系統的S_o過小評価(すなわちS_o><span style=text-decoration:overline>S^</span>_O)と7過大評価(すなわちγ<γ)をもたらした。しかし同じ被験者の夜を横切る,<span style=text-decoration:overline>S^</span>Oとγの変動性は睡眠欲求散逸を特性化するために自動病期分類を用いた最も特異的なとSWAに寄与する変化の少ないEEGセグメントを捕捉させることを示しているこのS_0.5s及びγの変動に比べて低かった。これは睡眠実験室研究と同程度に制御できない睡眠実験室環境(例えば在宅)外睡眠必要性を特性化するのに適している。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 ,  マニュアル ,  *キャラクタリゼーション ,  最適化 ,  覚醒 ,  神経回路網
準シソーラス用語： 特異性 ,  分類精度 ,  ニューラルネットワークアーキテクチャ ,  被験者 ,  徐波 ,  *隠れ層 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (6件)： 隠れ層 ,  ニューラルネットワーク ,  睡眠 ,  必要性 ,  散逸 ,  特性化