文献

J-GLOBAL ID：201802225989135831   整理番号：18A2006745

自動脳異常検出のための機械学習予測モデル【JST・京大機械翻訳】

A Machine Learning Prediction Model for Automated Brain Abnormalities Detection

著者 (3件)： Anand Satyajit (Department of ECE, School of Engineering and Technology, Mody University of Science and Technology, Lakshmangarh, India) ,  Jaiswal Sandeep (Department of ECE, School of Engineering and Technology, Mody University of Science and Technology, Lakshmangarh, India) ,  Ghosh Pradip Kumar (Department of ECE, School of Engineering and Technology, Mody University of Science and Technology, Lakshmangarh, India)
資料名： Recent Patents on Computer Science  (Recent Patents on Computer Science)
巻： 11  号： 1  ページ： 17-24  発行年： 2018年 
JST資料番号： W3652A  ISSN： 2213-2759  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 不明 (ARE)  言語： 英語 (EN)

抄録/ポイント： 背景:技術の急速な改善は,脳波(EEG)を容易に検出するための脳波(EEG)を可能にする。EEG信号の効率的な解析のための洗練された信号処理法の設計は例外的に必須である。生EEG信号は,信号のスペクトル空間および時間情報を修正し,不正確な臨床解釈を与える雑音およびアーチファクトにより汚染される。信号の雑音除去は,信号品質を洗練し,信号から患者の精神状態を同定するための最初のステップであるが,EEG信号の高次元性と複雑性のために,それは簡単なタスクではない。本研究は脳の3つの状態,すなわち脳卒中,脳死,および健康状態を強調する。主要な関心事は,脳の最も異常な状態,すなわち,重要な段階を持つEEGを検出することである。【方法】本論文は,高精度の結果信号を得るために,ファジィフィルタとウェーブレット直交フィルタのようなフィルタを使用する3つの条件のEEG信号の分析のための新技術を紹介する。さらに,得られたフィルタは脳異常を予測するためにニューラルネットワークで訓練される。提案したシステムはEEG波の雑音除去に有効であることが分かった。【結果】結果は,マルチクラスEEGデータセットの分類精度が達成され,ANNの性能が高く,0.2303であるANNの最良の検証性能であることがわかった。結論:脳障害を検出するEEGの診断における精度を提供するEEG信号の雑音除去を包括的に記述する。ファジィフィルタは,望ましい計量(フィルタ出力)が低減されるように,理想値により雑音信号を考慮することにより信号を前処理する。直交ウェーブレットフィルタは単一スケーリング関数とウェーブレット関数を生成する。EEG特徴はDWTによるEEGの多重レベル分解から抽出される。最後に,特徴を,脳異常の診断を容易にするために,EEGを分類するBack伝搬人工神経回路網を用いて分類した。Copyright 2018 Bentham Science Publishers All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  雑音除去 ,  多重化 ,  前処理 ,  アーチファクト ,  脳波 ,  *機械学習 ,  波束 ,  フィルタ ,  直交性 ,  信号処理 ,  スペクトル ,  雑音
準シソーラス用語： 複雑性 ,  脳波信号 , 【Automatic Indexing@JST】

著者キーワード (6件)： 脳波 ,  雑音除去 ,  フィルタ ,  脳の異常 ,  人工神経回路網 ,  直交ウェーブレット

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 脳 ,  異常検出 ,  機械学習 ,  予測モデル