文献

J-GLOBAL ID：201702265160173193   整理番号：17A1346811

神経筋疾患の診断を支援する運動単位電位特性への密度ベースクラスタリングアプローチ【Powered by NICT】

A Density-Based Clustering Approach to Motor Unit Potential Characterizations to Support Diagnosis of Neuromuscular Disorders

著者 (2件)： Kamali Tahereh (Systems Design Engineering, University of Waterloo, Waterloo, ON, Canada) ,  Stashuk Daniel W. (Systems Design Engineering, University of Waterloo, Waterloo, ON, Canada)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 25  号： 7  ページ： 956-966  発行年： 2017年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  資料種別： 逐次刊行物 (A)
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： 電気生理学的筋分類は抽出された運動単位電位(MUP)とそれに続くこれらのMUP特性の凝集のキャラクタリゼーションを含んでいる。既存技術は,MUP特性化および電気生理学的筋分類の両方のための三クラス(すなわち,筋障害,神経因性および正常)を考察した。しかし,病気誘導MUP変化は本質的に連続であり,正常,筋障害,神経因性MUPの間の明確な境界を見出すことを困難にする。,三以上のクラスに基づくMUP特性化は疾患の種々の効果を表すことができる良好であった。新規電気生理学的筋分類システムを提案したMUPを特性化するための動的数クラスを考慮した。この目的のために,近傍距離エントロピー一貫性と呼ばれるクラスタリングアルゴリズムは,MUP特徴空間における任意の形状と密度のクラスタを見つけるために提案した。これらのクラスタは,MUP正規性と異常のいくつかの概念を表現し,従来の三クラスの代わりにMUPキャラクタリゼーションのために用いた。調べた筋肉は,サポートベクトルマシンと最近傍分類器のアンサンブルに供給された特徴ベクトルのMUP特性化を埋め込むことにより分類される。前脛骨筋で記録したMUPの103セットのために,提案したシステムは97%電気生理学筋分類精度であり,以前の研究よりも有意に高かった。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： *筋疾患 ,  *神経筋疾患 ,  *クラスタ ,  エントロピー ,  *電位 ,  サポートベクトルマシン ,  キャラクタリゼーション
準シソーラス用語： 分類精度 ,  前脛骨筋 ,  特徴ベクトル ,  特徴空間 ,  クラスタリングアルゴリズム ,  電気生理学 ,  *運動単位 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (6件)： 神経筋疾患 ,  診断 ,  支援 ,  運動単位 ,  電位 ,  密度ベースクラスタリング