文献

J-GLOBAL ID：201802216206008441   整理番号：18A2023447

様々な長さの心電図における不整脈検出のための時間増分畳込みニューラルネットワーク【JST・京大機械翻訳】

Time-Incremental Convolutional Neural Network for Arrhythmia Detection in Varied-Length Electrocardiogram

著者 (6件)： Yao Qihang ,  Fan Xiaomao ,  Cai Yunpeng ,  Wang Ruxin ,  Yin Liyan ,  Li Ye
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： DASC/PiCom/DataCom/CyberSciTech  ページ： 754-761  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： 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】

シソーラス用語： 実時間処理 ,  発作 ,  *心電図 ,  エンドツーエンド方式 ,  柔軟性 ,  心血管疾患 ,  雑音 ,  記憶装置 ,  *不整脈 ,  信号処理
準シソーラス用語： 分類精度 ,  計算コスト ,  データ損失 ,  *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 (4件)： 心電図 ,  不整脈 ,  増分 ,  畳込みニューラルネットワーク