文献

J-GLOBAL ID：201702244976740030   整理番号：17A0889283

深い学習を用いた睡眠時無呼吸重症度検出のためのロバストな特徴としての瞬時心拍数【Powered by NICT】

Instantaneous heart rate as a robust feature for sleep apnea severity detection using deep learning

著者 (5件)： Pathinarupothi Rahul K. (Amrita Center for Wireless Networks) ,  Vinaykumar R. (Center for Computational Engineering and Networking, Amrita School of Engineering, Coimbatore campus, Amrita Vishwa Vidyapeetham (University), Tamil Nadu, India) ,  Rangan Ekanath (School of Medicine, Amrita Institute of Medical Sciences and Research Center (AIMS), Kochi campus, Amrita Vishwa Vidyapeetham (University), Kochi, Kerala, India) ,  Gopalakrishnan E. (Center for Computational Engineering and Networking, Amrita School of Engineering, Coimbatore campus, Amrita Vishwa Vidyapeetham (University), Tamil Nadu, India) ,  Soman K. P. (Center for Computational Engineering and Networking, Amrita School of Engineering, Coimbatore campus, Amrita Vishwa Vidyapeetham (University), Tamil Nadu, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BHI  ページ： 293-296  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： 自動睡眠時無呼吸検出と重症度同定は過去二年間における多変量センサデータに焦点を当てた。臨床的にも睡眠時無呼吸は,血中酸素飽和度,呼吸速度などを含むマーカーの組合せを用いて同定した。最近になって,科学者は睡眠時無呼吸の検出と重症度測定のための瞬間心拍数の使用を調べるために始めた。しかし,心拍数およびその誘導体を用いた最も良く知られた技術は,分刻みの無呼吸データを分類する際の85%以下の精度を達成することができた。本論文で報告した本研究では,睡眠時無呼吸の同定のためのLSTM RNN(長い短期メモリリカレントニューラルネットワーク)と呼ばれる深層学習技術と瞬時心拍数のみに基づいてその重症度を適用した。多重睡眠時無呼吸データセット上でこのモデルを試験し,完全な精度を得た。も不整脈データセット(睡眠時無呼吸心拍変動の模倣に高度に可能性がある)へのロバスト性を試験し,モデルは二の区別に非常に正確であることを見出した。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： *心拍 ,  多重化 ,  科学者 ,  不整脈 ,  *無呼吸 ,  *ロバスト性
準シソーラス用語： 心拍数変動性 ,  深層学習 ,  呼吸速度 ,  血液酸素飽和度 ,  多変量 ,  *睡眠時無呼吸 , 【Automatic Indexing@JST】

分類 (1件)： 呼吸器の診断  (GI02000S)

タイトルに関連する用語 (6件)： 学習 ,  睡眠時無呼吸 ,  重症度 ,  ロバスト ,  瞬時 ,  心拍数