文献

J-GLOBAL ID：201802234628370688   整理番号：18A0191154

EEG信号を用いたてんかん発作検出のための効率的な自動化技術【Powered by NICT】

An efficient automated technique for epilepsy seizure detection using EEG signals

著者 (3件)： Lasefr Zakareya (Department of Computer Science and Engineering, University of Bridgeport, Bridgeport, CT, USA) ,  Ayyalasomayajula Sai Shiva V N R (Department of Computer Science and Engineering, University of Bridgeport, Bridgeport, CT, USA) ,  Elleithy Khaled (Department of Computer Science and Engineering, University of Bridgeport, Bridgeport, CT, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： UEMCON  ページ： 76-82  発行年： 2017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： てんかんはてんかん発作によって特徴づけられる神経学的障害である。てんかん発作は脳の正常および異常な活性を介して解析することができる。異常活性は,効率的なアルゴリズムを用いてのみ観察された。効率的アルゴリズムのプロセスは,常ににおけるてんかん信号は入力信号として考えることができる信号処理を用いた。本論文では,癲癇性信号を検出し,異なる段階で脳信号の特性を比較する手法を紹介した。著者らのアルゴリズムは,EEG信号におけるてんかんを検出するための信号処理技術に基づいている。信号処理は178.6Hzで信号をサンプリングから始まる信号動作周波数は,オーバサンプリング基準に従った。望まない雑音を除去できるように標本化した信号は,設計されたフィルタに与えられるものでありシグナルである分解れようとしている。,その周波数スペクトルは各レベルで異なるウェーブレットフィルタを用いた200Hz以下に低減されるように信号を五つの異なる信号レベルで分解される。特徴抽出では,EEG信号のための時間領域と周波数領域の特徴に依存しているできるように,統計的特徴よりもむしろ信号特徴を用いた。これらの特徴は,EEG信号におけるてんかんを検出するためのサポートベクトルマシン(SVM),K-最近傍(KNN)と人工ニューラルネットワーク(ANN)を用いて分類する。結果は発作による脳信号の正常な挙動と信号のてんかん挙動を示す脳信号の種々のセットに対して実証した。本従来法と本研究の比較は,筆者らのアルゴリズムがてんかんを検出するのに有効であることを証明した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 信号処理 ,  フィルタ ,  特徴抽出 ,  ニューラルネットワーク ,  周波数領域 ,  アルゴリズム ,  *自動化 ,  *発作 ,  サポートベクトルマシン ,  *てんかん ,  雑音
準シソーラス用語： 時間領域 ,  オーバサンプリング ,  *てんかん性発作 ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (4件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (3件)： EEG信号 ,  てんかん発作 ,  自動化