文献

J-GLOBAL ID：201802244782129870   整理番号：18A0726567

アンサンブル学習による短い単一リード記録からの心房細動エピソードの検出【JST・京大機械翻訳】

Detection of atrial fibrillation episodes from short single lead recordings by means of ensemble learning

著者 (3件)： Bonizzi Pietro (Department of Data Science and Knowledge Engineering, Maastricht University, The Netherlands) ,  Driessens Kurt (Department of Data Science and Knowledge Engineering, Maastricht University, The Netherlands) ,  Karel Joel (Department of Data Science and Knowledge Engineering, Maastricht University, The Netherlands)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CinC  ページ： 1-4  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： 方法は,正常,心房細動,他の不整脈としてECG信号を分類するために提示される,または,PhPhyet/CINCチャレンジ2017の文脈において雑音がある。提示した手法は,データの一般的特徴に基づいて最初に雑音のある記録が検出される2段階の手法である。次に,心房細動に対する第2段階の既知指標を特徴として用いた。両方の段階に対して,決定木を持つアンサンブルモデルを用いて,データセットにおけるクラス不均衡を説明するために,ロシアに適合させた。このアプローチにより,0.75の全体的F1スコアを得た。この方法はAF信号の正確な分類を達成するが,他の不整脈に対する誤分類は比較的高い。また,分類をさらに改善するために,深い学習を用いてECG波の形態を考慮する方法について提案した。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： 不整脈 ,  *心房細動 ,  雑音 ,  心電図 ,  ディシジョンツリー ,  ロシア連邦
準シソーラス用語： スコア ,  クラス不均衡 ,  *アンサンブル学習 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  循環系の診断  (GJ02000V)

タイトルに関連する用語 (4件)： アンサンブル学習 ,  リード ,  心房細動 ,  エピソード