文献

J-GLOBAL ID：201702272502562151   整理番号：17A1730777

KNN分類器を用いた特徴抽出技術を用いたEEG信号に基づく睡眠障害の分類【Powered by NICT】

Classification of sleep disorders based on EEG signals by using feature extraction techniques with KNN classifier

著者 (2件)： Dhongade Dayanand Vishwanath (Department of Electronics and Telecommunication, Ramrao Adik Institute of Technology, Nerul, Navi Mumbai, India) ,  Rao T.V.K.H. (Department of Electronics and Communication, National Institute of Technology Warangal, Warangal, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IGEHT  ページ： 1-5  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： 脳波(EEG)は,睡眠障害の検出において有用な,生物医学的信号である。紙は特異的睡眠障害と関連したヒト脳シグナル活性を検討した。研究の目的は,EEG信号の時間-周波数解析を用いた睡眠障害の検出と分類である。本論文では,一つの健常者とともに七種類の睡眠障害を研究した。大量EEG記録のPhysioNetデータベースから採取し,離散ウェーブレット変換(DWT)の助けを借りて解析した。最大値,最小値,平均値と標準偏差値DWTサブバンドのような種々の統計的尺度は,異なる睡眠障害の検出のための抽出された特徴として使用されている。抽出された特徴の次元を低減するために主成分分析(PCA),独立成分分析(ICA)と線形判別分析(LDA)のような異なる特徴低減技術を使用した。これら特徴低減法の結果は,k最近傍(KNN)分類器を用いて異なる睡眠障害を分類するために用いた。これら分類プロセスの性能は,睡眠障害を予測する精度を用いて評価した。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： 標準偏差 ,  ヒト ,  *特徴抽出 ,  *睡眠障害 ,  データベース ,  脳波 ,  独立成分分析 ,  主成分分析
準シソーラス用語： 線形判別分析 ,  サブバンド ,  離散ウェーブレット変換 ,  健常者 ,  時間周波数解析 ,  生物医学 ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： KNN ,  分類器 ,  特徴抽出 ,  EEG信号 ,  睡眠障害 ,  分類