文献

J-GLOBAL ID：201802223690061577   整理番号：18A1681404

明示的持続時間隠れMarkovモデルを用いた心拍変動解析のための確率論的アプローチ【JST・京大機械翻訳】

A Probabilistic Approach for Heart Rate Variability Analysis Using Explicit Duration Hidden Markov Models

著者 (3件)： Gao Ju (The Ohio State University) ,  Teng Diyan (The Ohio State University) ,  Ertin Emre (The Ohio State University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SSP  ページ： 273-277  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： ビート間隔の時間的動力学の監視は自律神経系活動を評価するための非侵襲的方法を提供する。最近,光レチスモグラフィー(PPG)を用いた手首ベースのセンサを用いて収集されたパルス波信号を通して,心臓活動を連続的に監視することが可能になった。しかし,携帯環境で収集されたウェアラブルセンサデータは,運動アーチファクト,ベースラインドリフト,および雑音が完全である。ウェアラブルセンサデータから信頼できる高レベル推論を行うために,新しい計算技術が必要である。本論文では,自然環境で収集された雑音のあるPPGセンサデータから心拍変動指数を計算する確率的方法を提案した。著者らは,Explicit Duration Hidden Markovモデル(EDHMM)を用いて,ビートラベルとセンサデータの結合分布をモデル化し,サンプルは,測定されたセンサデータに関する事後分布状態からのシーケンスシーケンスを可能にした。EDHMMサンプラーにより生成されたビートシーケンスは,Bayes推定を形成するために任意の心拍変動指数の事後分布を計算するために用いることができる。IEEE信号処理Cupデータによる実験的検証は,著者らの提案したフレームワークが,連続心拍数推定におけるPPG信号解析において最先端技術を上回ることができることを示した。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： モデリング ,  *心拍 ,  信号処理 ,  センサ ,  *隠れMarkovモデル ,  ドリフト ,  信号解析 ,  心臓 ,  雑音 ,  *継続時間
準シソーラス用語： 事後分布 ,  *心拍数変動性 ,  センサデータ ,  ウェアラブルセンサ ,  *確率的方法 , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R)

タイトルに関連する用語 (4件)： 持続時間 ,  隠れMarkovモデル ,  心拍変動解析 ,  確率論的アプローチ