文献

J-GLOBAL ID：201802215632252318   整理番号：18A1598346

ECGNet:不整脈分類のための深部ネットワーク【JST・京大機械翻訳】

ECGNet: Deep Network for Arrhythmia Classification

著者 (7件)： Murugesan Balamurali (Healthcare Technology Innovation Centre, Indian Institute of Technology Madras, Chennai, India) ,  Ravichandran Vignesh (Healthcare Technology Innovation Centre, Indian Institute of Technology Madras, Chennai, India) ,  Ram Keerthi (Healthcare Technology Innovation Centre, Indian Institute of Technology Madras, Chennai, India) ,  S.P Preejith (Healthcare Technology Innovation Centre, Indian Institute of Technology Madras, Chennai, India) ,  Joseph Jayaraj (Healthcare Technology Innovation Centre, Indian Institute of Technology Madras, Chennai, India) ,  Shankaranarayana Sharath M (Department of Electrical Engineering, Indian Institute of Technology Madras, Chennai, India) ,  Sivaprakasam Mohanasankar (Department of Electrical Engineering, Indian Institute of Technology Madras Healthcare Technology Innovation Centre, Chennai, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： MeMeA  ページ： 1-6  発行年： 2018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： 心臓不整脈は,現在,心電図(ECG)信号の手動解釈により診断されている。長期ECGデータから不整脈の効率的スクリーニングを行うためには,自動ECG解釈が必要である。しかしながら,既存の自動化ECG解釈ツールは,関連する特徴を決定するための広範な前処理と知識を必要とする。したがって,ECG信号を分析するための包括的特徴抽出器と分類器の必要性がある。本論文では,与えられた2つの第2ECG信号の特徴抽出と分類を実行するために,3つのロバストな深いニューラルネットワーク(DNN)アーキテクチャを提案した。第一のネットワークは,複数のカーネルサイズを持つ畳込みニューラルネットワーク(CNN)であり,第二のネットワークはLong Short Term Memory(LSTM)ネットワークであり,第三のネットワークはCNNとLSTMベースの特徴抽出器,CLSTMネットワークの組合せである。提案したネットワークは,任意の前処理なしで直接訓練できるネットワークに終わる。ネットワークを訓練し,3つのクラスの正規(N),前成熟心室収縮(PVC)および前成熟試行収縮(PAC)に関するMITDB ECGデータセットを用いて試験した。最良のモデルCLSTMは97.6%の精度を与えた。さらに,移動学習を,最終3層のみで訓練を必要とする複数のECGデータセットを用いて,最良の実行ネットワーク上で示した。結果は,ECGデータセットの特徴抽出器としてのネットワークの可能性を示した。著者らの結果は,いくつかの計量に関するECG分類に関する最新の研究を上回った。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： 前処理 ,  抽出装置 ,  心室 ,  *不整脈 ,  特徴抽出 ,  計算機アーキテクチャ ,  スクリーニング ,  学習 ,  心電図 ,  深部 ,  ニューラルネットワーク ,  *ネットワーク ,  ロバスト性 ,  自動化
準シソーラス用語： 畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 不整脈 ,  分類 ,  深部