文献

J-GLOBAL ID：201702269550388602   整理番号：17A1098946

てんかんEEG信号の分類のためのベースの特徴抽出技術局所パターン変換【Powered by NICT】

Local pattern transformation based feature extraction techniques for classification of epileptic EEG signals

著者 (2件)： Jaiswal Abeg Kumar (Department of Computer Science and Engineering, Indian Institute of Technology (Indian School of Mines), Dhanbad 826004, India) ,  Banka Haider (Department of Computer Science and Engineering, Indian Institute of Technology (Indian School of Mines), Dhanbad 826004, India)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 34  ページ： 81-92  発行年： 2017年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 世界保健機関(WHO)によるとてんかんは約45 50百万人に影響を及ぼす。脳波(EEG)は,脳における神経活性を記録し,てんかんを同定した。EEG信号の目視検査は時間のかかるプロセスであり,ヒューマンエラーにつながる可能性がある。特徴抽出と分類は,自動てんかん検出フレームワークを構築するために必要であることを二つの主要な段階である。特徴抽出は有益な特徴を保持することにより入力信号の大きさを減少させ,分類器は,抽出された特徴ベクトルに適切なクラスラベルを割り当てる。著者らの目的は,自動てんかんEEG信号分類のための効果的な特徴抽出法を提示することである。本研究では,二つの効果的な特徴抽出技術(局所近傍記述パターン[LNDP]と一次元局所勾配パターン[1D LGP])はてんかんEEG信号を分類するために導入されている。てんかん発作と非焼き付き信号間の分類は異なる機械学習分類器を用いて行った。Bonn大学により提供されたベンチマークてんかんEEGデータセットを本研究で用いた。分類性能を10倍交差検証法を用いて評価した。使用した分類器は,最近傍(NN),サポートベクトルマシン(SVM),ディシジョンツリー(DT)と人工神経回路網(ANN)である。実験を50回繰り返した。ANN分類器を用いたLNDPと1D LGP特徴抽出技術は正常とてんかんEEG信号の分類のための,それぞれ,99.82%と99.80%の平均分類精度を達成した。八つの異なる実験例を試験した。分類結果はいくつかの既存の方法よりも良好であった。LNDPと1D LGPはてんかんEEG信号の分類のための効果的な特徴抽出技術であることを示唆した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： サポートベクトルマシン ,  世界保健機関 ,  機械学習 ,  ヒューマンエラー ,  *てんかん ,  ディシジョンツリー ,  脳波 ,  ベンチマーク ,  ニューラルネットワーク ,  交差検証法 ,  *特徴抽出 ,  肉眼検査
準シソーラス用語： 分類精度 ,  特徴ベクトル ,  *脳波信号 , 【Automatic Indexing@JST】

著者キーワード (5件)： 脳波(EEG)信号 ,  局所近傍記述パターン(LNDP) ,  一次元局所勾配パターン(1D LGP) ,  特徴抽出 ,  分類

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： てんかん ,  EEG信号 ,  分類 ,  特徴抽出