文献

J-GLOBAL ID：201802252045114413   整理番号：18A1996322

可変長心拍によるCNNとLSTM技術の組み合わせを用いた不整脈の自動診断【JST・京大機械翻訳】

Automated diagnosis of arrhythmia using combination of CNN and LSTM techniques with variable length heart beats

著者 (6件)： Oh Shu Lih (Department of Electronics and Computer Engineering, Ngee Ann Polytechnic, Singapore) ,  Ng Eddie Y.K. (School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore) ,  Tan Ru San (National Heart Centre Singapore, Singapore) ,  Acharya U. Rajendra (Department of Electronics and Computer Engineering, Ngee Ann Polytechnic, Singapore) ,  Acharya U. Rajendra (Department of Biomedical Engineering, School of Science and Technology, Singapore University of Social Sciences, Singapore) ,  Acharya U. Rajendra (Department of Biomedical Engineering, Faculty of Engineering, University of Malaya, Malaysia)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 102  ページ： 278-287  発行年： 2018年 
JST資料番号： E0858A  ISSN： 0010-4825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 不整脈は不規則な心拍により特徴付けられる心臓伝導障害である。伝導系における異常は心電図(ECG)信号に現れる。しかし,非常に低い振幅のためにECG信号を視覚的に評価することは困難で時間がかかる。臨床設定における自動化システムの実行は,不整脈のexped診断を潜在的に助けることができて,精度を向上させることができる。本論文では,正常洞調律,左脚ブロック(LBBB),右脚ブロック(RBBB),心房期外収縮(APB)およびECG信号における早期心室収縮(PVC)の診断のために,畳込み神経回路網(CNN)と長い短期記憶(LSTM)の組合せを用いた自動化システムを提案した。本研究の新規性は,MIT-BIT不整脈理学バンクデータベースから可変長のECGセグメントを使用したことである。提案したシステムは可変長データの取扱いにおいて高い分類性能を示し,10倍交差検証戦略を用いて98.10%の精度,97.50%の感度,98.70%の特異性を達成した。著者らの提案したモデルは,臨床医がルーチンのスクリーニングECGにおいて正確に一般的な不整脈を検出するのに役立つことCopyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  自動化 ,  視覚 ,  畳込み ,  モデル ,  スクリーニング ,  心室 ,  神経回路網 ,  *不整脈 ,  心電図 ,  *心拍
準シソーラス用語： 特異性 ,  心房性期外収縮 ,  洞調律 ,  *自動診断 , 【Automatic Indexing@JST】

著者キーワード (8件)： 不整脈 ,  外来心電図 ,  コンピュータ支援検出 ,  深層学習 ,  畳み込みニューラルネットワーク ,  長期短期記憶 ,  自動化 ,  診断

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 (7件)： 可変長 ,  心拍 ,  CNN ,  LSTM ,  組み合わせ ,  不整脈 ,  自動診断