文献

J-GLOBAL ID：201802255610200201   整理番号：18A0726775

深部畳込みニューラルネットワークによる呼吸音特徴学習【JST・京大機械翻訳】

Respiratory Sounds Feature Learning with Deep Convolutional Neural Networks

著者 (7件)： Liu Yongpeng ,  Lin Yusong ,  Gao Shan ,  Zhang Hongpo ,  Wang Zongmin ,  Gao Yang ,  Chen Guanling
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DASC/PiCom/DataCom/CyberSciTech  ページ： 170-177  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： 本論文では,遠隔医療と自己スクリーニングを含む多くの潜在的応用を有する,ステトスコープを用いて捕捉された呼吸音の自動解析のための計算機ベースの解を開発した。3つのタイプの呼吸音(例えば,喘鳴,クラックル,および正常音)を,特注のプロトタイプ装置により60人の患者から捉えた。次に,著者らは,6つの畳込み層,3つの最大プール層および3つの完全接続層から成る深い畳込みニューラルネットワーク(CNN)モデルを提案して,その構造を最適化した。モデルは,呼吸音の特徴を自動的に学習し,それらを同定するために使用される。時間-周波数変換を通して,60のバンドの対数スケールの周波数スペクトル(LMFS)特徴をデータセットからフレームによってフレームによって抽出して,モデルの入力として23の連続したフレームのサイズにおけるセグメントに分割した。最後に,12人の新しい被験者のデータセットによりモデルを試験し,精度と再現の両方において,5人の呼吸器医師の平均性能と比較した。試験結果は,著者らのCNNモデルが呼吸医師と同じレベルの同定精度を達成することを示した。著者らの知る限りでは,これは,呼吸音に関する医療分野を評価するためにCNN法を適用する最初の研究である。Copyright 2020 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： 遠隔医療 ,  プロトタイプ ,  *学習 ,  周波数変換 ,  患者 ,  スクリーニング ,  *音響 ,  医師 ,  最適化 ,  *畳込み
準シソーラス用語： 被験者 ,  周波数スペクトル ,  クラックル ,  *呼吸音 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 呼吸器の診断  (GI02000S) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 深部 ,  畳込みニューラルネットワーク ,  呼吸音 ,  学習