文献

J-GLOBAL ID：201702288507201177   整理番号：17A1429307

不均衡分類とウェーブレットパケット変換をベースにしたてんかん性発作検出【Powered by NICT】

Epileptic seizure detection based on imbalanced classification and wavelet packet transform

著者 (8件)： Yuan Qi (Shandong Province Key Laboratory of Medical Physics and Image Processing Technology, School of Physics and Electronics, Shandong Normal University, Jinan 250014, China) ,  Zhou Weidong (School of Information Science and Engineering, Shandong University, Jinan 250100, China) ,  Zhang Liren (Shandong Province Key Laboratory of Medical Physics and Image Processing Technology, School of Physics and Electronics, Shandong Normal University, Jinan 250014, China) ,  Zhang Fan (Technical Department of Jinan Branch, Shandong Cable Interactive Service LTD, Jinan 250014, China) ,  Xu Fangzhou (School of Electrical Engineering and Automation, Qilu University of Technology, Jinan 250353, China) ,  Leng Yan (Shandong Province Key Laboratory of Medical Physics and Image Processing Technology, School of Physics and Electronics, Shandong Normal University, Jinan 250014, China) ,  Wei Dongmei (Shandong Province Key Laboratory of Medical Physics and Image Processing Technology, School of Physics and Electronics, Shandong Normal University, Jinan 250014, China) ,  Chen Meina (Shandong Province Key Laboratory of Medical Physics and Image Processing Technology, School of Physics and Electronics, Shandong Normal University, Jinan 250014, China)
資料名： Seizure: European Journal of Epilepsy  (Seizure: European Journal of Epilepsy)
巻： 50  ページ： 99-108  発行年： 2017年 
JST資料番号： W3277A  ISSN： 1059-1311  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： 自動発作検出は連続EEG記録を再検討するためのてんかんの診断と巨大な負荷の低減のために重要である。長い非焼き付き期間と比較して,発作事象の持続時間は連続EEG記録でははるかに短かった。発作検出タスクは不均衡分類問題と見なすことができる。本論文では,重み付き極端学習機械(ELM)に基づく新しい方法は不均衡EEGデータ分布と発作検出のための提案した。最初に,ウェーブレットパケット変換を用いてEEGデータを解析し,時間と周波数領域特徴を得ることであり,パターンマッチ規則性統計(PMRS)はEEG時系列の複雑性を定量化するために非線形特徴として使用されている。その後,EEG特徴ベクトルは重み付きELMにより識別した。クラス分布に基づいて,EEG特徴試料に対して異なる重みを割り当てることができる,不均衡なクラス分布による性能におけるバイアスを緩和する効果的にする。感度と特異性の両方を考慮に入れた計量G 平均を用いて,この方法の性能を評価することである。0.37/時間の93.96%のG 平均,イベントベース感度97.73%,誤警報率は公的に利用可能なEEGデータセット上で生成した。他の検出法との比較は,この方法の優れた性能,臨床診療における発作事象を検出するためのその可能性を示しているを示した。さらに,大量真の連続EEGデータは将来の研究で更なる提案した方法を試験するために使用されるであろう。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： 規則度 ,  *発作 ,  継続時間 ,  脳波 ,  検出法 ,  *てんかん ,  周波数領域
準シソーラス用語： 診療 ,  誤警報率 ,  特異性 ,  特徴ベクトル ,  複雑性 ,  *てんかん性発作 ,  *ウェーブレットパケット変換 ,  *不均衡 , 【Automatic Indexing@JST】

著者キーワード (5件)： EEG ,  発作検出 ,  不均衡分類 ,  重み付きELM ,  ウェーブレットパケット変換

分類 (2件)： 生体計測  (EL03020C) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (4件)： 均衡 ,  分類 ,  ウェーブレットパケット変換 ,  てんかん性発作