文献

J-GLOBAL ID：201702235465932103   整理番号：17A1260323

ECGビート分類のためのマルチウェーブレット特徴【Powered by NICT】

Multiwavelet feature sets for ECG beat classification

著者 (2件)： Sarvan Cagla (Elektrik ve Elektronik Muehendisligi Boeluemue, Yas,ar Ueniversitesi, Izmir, Tuerkiye) ,  Ozkurt Nalan (Elektrik ve Elektronik Muehendisligi Boeluemue, Yas,ar Ueniversitesi, Izmir, Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIU  ページ： 1-4  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： 本研究では,心拍数は,MIT-BIH不整脈データベースから得られた電気心電図(ECG)信号を用いた正常,右脚ブロック,左脚ブロック,ペースリズムに分類される。平均,標準偏差,エネルギーと離散ウェーブレット変換(DWT)係数のエントロピーは分類のための特徴として提案した。分類は人工ニューラルネットワークの適切な列車機能を選択することによって行った。ニューラルネットワークの適切な列車機能を有する二ウェーブレットファミリーからの二種類の異なる特徴集合を組合わせて用いれば,個別ウェーブレット特徴の利用よりも良好なことが観察された。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 ,  データベース ,  標準偏差 ,  *波束 ,  心電図 ,  心拍 ,  エントロピー ,  不整脈
準シソーラス用語： 離散ウェーブレット変換 ,  *マルチウェーブレット , 【Automatic Indexing@JST】

分類 (3件)： 循環系の診断  (GJ02000V) ,  人工知能  (JE08000Z) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： ECG ,  ビート ,  分類 ,  マルチウェーブレット