文献

J-GLOBAL ID：201802213759358664   整理番号：18A1209631

深く学習された心電図表現はロバストである【JST・京大機械翻訳】

Deeply learned electrocardiogram representations are robust

著者 (2件)： Zhang Yue (The Division of Information Science and Technology, Graduate school at Shenzhen, Tsinghua University, Shenzhen, China) ,  Lei Xiafei (The Division of Information Science and Technology, Graduate school at Shenzhen, Tsinghua University, Shenzhen, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICNC-FSKD  ページ： 2301-2305  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： 本論文では,心電図(ECG)同定のための識別特徴表現を提案した。深い特徴抽出器に基づく新しいアーキテクチャを,深い特徴を効率的に抽出するために,一次元ECG信号用に設計した。深い特徴は,分類装置とECG状態に関する制限なしで,ECG同定のためによく機能した。この方法は,4つの公開ECGデータベースと私的ECGデータベースからの異なる状態ECG信号に対して98.49%の精度を達成した。実験は,自動特徴抽出器を用いて抽出された深い特徴が,実際の応用において識別的でロバストであることを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *心電図 ,  *ロバスト性 ,  抽出装置 ,  分類装置 ,  計算機アーキテクチャ ,  特徴抽出 ,  一次元
準シソーラス用語： 特徴表現 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 学習 ,  心電図 ,  表現 ,  ロバスト