文献

J-GLOBAL ID：201802251267047381   整理番号：18A0027199

移動ヘルスケア応用におけるPCAに基づく多変量異常検出【Powered by NICT】

PCA-based multivariate anomaly detection in mobile healthcare applications

著者 (3件)： Ben Amor Lamia (ReDCAD Laboratory, University of Sfax, National School of Engineers of Sfax, B.P. 1173, 3038 Sfax, Tunisia) ,  Lahyani Imene (ReDCAD Laboratory, University of Sfax, National School of Engineers of Sfax, B.P. 1173, 3038 Sfax, Tunisia) ,  Jmaiel Mohamed (ReDCAD Laboratory, University of Sfax, National School of Engineers of Sfax, B.P. 1173, 3038 Sfax, Tunisia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DS-RT  ページ： 1-8  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： リアルタイムモバイル健康アプリケーションは高度に高品質健康サービスを提供するためにセンサに依存している。しかし,リアルタイムセンサは不正確であり,内的および外的要因による異常生理学的測定を引き起こす可能性がある。異常測定値は,このような応用の信頼性に大きな影響を持ち,その結果患者の生活に影響を与える。異常医療測定のオンライン検出のためのロバストなアプローチを提案することにより,問題を検討した。提案されたアプローチは,センサから収集した生理学的測定を解析し,実行時に二乗予測誤差に基づく多変量異常の発生を検出するためのロバストな主成分分析(PCA)に基づいている。実際の医療データセット上で筆者らが提案したアプローチを適用した。シミュレーション結果が低誤警報率で良好な再生を達成するために提案アプローチの有効性を証明した。手法の減少した時間と空間複雑性は,有用であり,実時間環境のための効率的なものにしている。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： シミュレーション ,  応用プログラム ,  *センサ ,  生理学 ,  予測誤差 ,  信頼性 ,  主成分分析 ,  ロバスト性
準シソーラス用語： 実時間 ,  複雑性 ,  誤警報率 ,  高品質 ,  健康 ,  *異常検出 ,  *多変量 , 【Automatic Indexing@JST】

分類 (3件)： 原子炉の保守  (MD05040W) ,  信頼性  (KB04040H) ,  空気調和装置一般  (PC02010U)

タイトルに関連する用語 (5件)： ヘルスケア ,  応用 ,  PCA ,  多変量 ,  異常検出