文献

J-GLOBAL ID：201802246498551833   整理番号：18A0726646

心拍ベースてんかん発作検出のための半教師付き1クラス転送学習【JST・京大機械翻訳】

Semi-supervised one-class transfer learning for heart rate based epileptic seizure detection

著者 (6件)： De Cooman Thomas (Department of Electrical Engineering (ESAT), STADIUS, KU Leuven, Belgium) ,  Varon Carolina (Department of Electrical Engineering (ESAT), STADIUS, KU Leuven, Belgium) ,  Van de Vel Anouk (Department of Paediatric Neurology, Antwerp University Hospital, University of Antwerp, Belgium) ,  Ceulemans Berten (Department of Paediatric Neurology, Antwerp University Hospital, University of Antwerp, Belgium) ,  Lagae Lieven (Rehabilitation Center for Children and Youth Pulderbos, Belgium) ,  Van Huffel Sabine (Department of Electrical Engineering (ESAT), STADIUS, KU Leuven, Belgium)
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： 家庭環境における自動てんかん発作検出は,過去10年間に大きな関心事の話題となっている。患者特有のデータの必要性を避けるために,通常患者に依存しない心拍数に基づく発作検出アルゴリズムが実際に使用されている。しかし,それらは,大規模な患者間心拍変動性のために,中間的な性能をもたらす。したがって,これらのアルゴリズムは効率的な方法で各患者に適応するべきである。本研究では,患者特有のアルゴリズムを,移動学習アプローチを用いることにより,1夜のノート注釈患者固有データのみで構築した。このアルゴリズムを,25の強い夜間けいれん発作を有する8人の小児患者について評価した。患者特異的データの1夜のみを用いることにより,誤警報率は患者非依存アルゴリズムに比べて4倍低下し,夜間に平均0.76偽警報と88%感度をもたらした。結果は,提案方法が,発作アノテーションの要求なしで,患者特性に迅速に適応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： 患者 ,  アノテーション ,  *心拍 ,  *学習 ,  警報 ,  *発作 ,  アルゴリズム
準シソーラス用語： 誤警報率 ,  患児 ,  心拍数変動性 ,  検出アルゴリズム ,  家庭環境 ,  *てんかん性発作 , 【Automatic Indexing@JST】

分類 (3件)： データ保護  (JD01020V) ,  計算機システム開発  (JD02010R) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： 心拍 ,  てんかん発作 ,  教師 ,  クラス ,  転送 ,  学習