文献

J-GLOBAL ID：201702246676055678   整理番号：17A1730736

EEG信号からのてんかんの自動認識【Powered by NICT】

Automated recognition of epilepsy from EEG signals

著者 (2件)： Yildirim Mehmet (Dicle UEniversitesi Sivil Havacilik Yueksek Okulu Diyarbakir, Tuerkiye) ,  Yildiz Abdulnasir (Dicle UEniversitesi Elektrik Elektronik Muehendisligi Boluemue Diyarbakir, Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IDAP  ページ： 1-7  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,健常と発作脳波(EEG)信号を識別するてんかんの検出のための自動パターン認識システムを設計することを目的とする。研究の過程で,患者からの100のEEGシグナルは開眼と健康なてんかん発作中に用いた。4096試料の各EEG信号からなる256試料に分割し,全3200信号が得られた。設計されたパターン認識システムは三つの基本部分を開発した。最初の部分では,パワースペクトル密度(PSD)推定を,ピリオドグラム,Welch法を行い,EEG信号の周波数領域情報を得た。第二部では,特徴ベクトルを,ピリオドグラム,Welch PSD推定で得られた周波数領域情報から見出される。第三部では,K-最近傍アルゴリズム(K NN)およびサポートベクトルマシン(SVM)分類器を用いて得られた固有ベクトルから健康なEEGシグナルは病理学的EEG信号から区別される。設計されたシステムの精度性能を評価する上で使用した5重交差検証法。システムの全分類精度はWelch PSD推定のためのSVMを用いたK-NN,ペリオドグラムPSD推定のためのSVMを用いた99.72%と99.72%で99.66%であるK-NN,99.75%であることが分かった。文献における異なるアプローチで行われた研究に近いので,研究で設計したパターン認識システムの結果は有望であった。ここで設計したパターン認識システムは,診断ツールではない。は,医師が予備診断を評価するのに有用であることが予測される。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： アルゴリズム ,  医師 ,  交差検証法 ,  *てんかん ,  パターン認識 ,  周波数領域 ,  固有ベクトル ,  発作 ,  パワースペクトル密度 ,  脳波 ,  サポートベクトルマシン
準シソーラス用語： ペリオドグラム ,  分類精度 ,  特徴ベクトル ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (3件)： EEG信号 ,  てんかん ,  自動認識