抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
自動不整脈検出は,心血管疾患の早期予防と診断において重要な役割を果たす。畳込みニューラルネットワーク(CNN)は,マルチクラスの不整脈分類に対する単純でエンドツーエンドの解を導入したが,固定長入力のみを受け入れることができる制限は,訓練における雑音または重要な情報損失をもたらした。一方,CNNの高いメモリ消費と計算コストもその応用を制限した。これらの問題を解決するために,著者らは,CNNモデルのための入力長さにおける柔軟性を導入するために再帰セルを利用した時間増分畳込みニューラルネットワーク(TI-CNN)を提案し,リアルタイム処理における90%以上の計算削減を特徴とした。実験結果は,TI-CNNが77.3%の全体的分類精度に達したことを示した。VGGNetと名付けた古典的16層CNNと比較して,TI-CNNは平均で6%以上,発作性不整脈検出で22%以上の精度増加を達成した。これらすべての優れた特徴を組み合わせて,TI-CNNはすべての種類の可変長信号処理問題に対する例証を提供した。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】