文献

J-GLOBAL ID：201702268469734455   整理番号：17A1397156

RR間隔を用いた深い学習に基づくCHF検出法【Powered by NICT】

A CHF detection method based on deep learning with RR intervals

著者 (5件)： Chen Wenhui (Engineering faculty, Sun Yat-sen University, Guangzhou, Guangdong, China) ,  Liu Guanzheng (Engineering faculty, Sun Yat-sen University, Guangzhou, Guangdong, China) ,  Su Steven (Center of Health Technologies, Faculty of Engineering and IT, University of Technology Sydney, Ultimo, NSW, Australia) ,  Jiang Qing (Engineering faculty, Sun Yat-sen University, Guangzhou, Guangdong, China) ,  Nguyen Hung (Center of Health Technologies, Faculty of Engineering and IT, University of Technology Sydney, Ultimo, NSW, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 3369-3372  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： 心拍変動に基づくうっ血性心不全(CHF)検出を調べる広範な研究がある。高レベルの精度を達成したが,異なる条件下でそのロバスト性は保証されていない。ロバスト性を改善するために,RR間隔を用いたCHF検出におけるスパースオートエンコーダベース深層学習アルゴリズムを適用した。30,592(5分RR間隔)の全データサイズは72名の健常者と44人のCHF患者から得られた。深層学習アルゴリズムは,まず生RR間隔からスパースオートエンコーダを用いた教師なし特徴を抽出し,次いで種々の隠れノードの組合せによる深部ニューラルネットワークモデルを構築した。結果は,モデルは72.41%の精度を達成することを示した。これはRR間隔はCHF検出の可能性を有しているが24時間の動的変化を完全には示すことができないことを示した。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： 学習アルゴリズム ,  うっ血性心不全 ,  ロバスト性 ,  患者 ,  *検出法 ,  深層 ,  深部
準シソーラス用語： 神経回路網モデル ,  健常者 ,  心拍数変動性 ,  *RR間隔 , 【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)： RR間隔 ,  学習 ,  検出法