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。
現段階の睡眠脳波データの全てが不均衡な小データセットであり、深度学習モデルの直接移動応用が獲得した分期効果の悪い問題に対して、それぞれデータセットの再構成とモデルの訓練最適化の2つの方面から着手した。少量の不均衡な原始睡眠脳波データセットの深さ自動睡眠分期モデルを提出した。最初に,修正生成少数クラスオーバーサンプリング技術(MSMOTE)を,決定ドメインの低減の観点から改良し,そして,それを,データ集約の少数クラスの生成に用い,そして,モデルを,再構築したデータセットによって,前処理した。15の交差検証の結果,全体の精度とマクロF1値は,それぞれ86.73%と81.70%であった。改良MSMOTE再構成データセットを用いて,モデルを予備活性化し,最小クラスのF1値を45.16%から53.64%に増やした。実験により、モデルが少量の原始睡眠脳波データの端から端までの学習を実現でき、全体の分類効果が近年の高水準モデルより優れており、リモートサーバーを装備した分体式携帯睡眠監視装置に適していることが明らかになった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】