文献

J-GLOBAL ID：201802256261591398   整理番号：18A0726557

特徴ベースアルゴリズムと深部畳込みニューラルネットワークを用いた心房細動検出【JST・京大機械翻訳】

Atrial fibrillation detection using feature based algorithm and deep convolutional neural network

著者 (5件)： Ghiasi Shadi (Cardiovascular Research Group (CVRG), Department of Mechanical Engineering at K. N. Toosi, University of Technology, Tehran, Iran) ,  Abdollahpur Mostafa (Cardiovascular Research Group (CVRG), Department of Mechanical Engineering at K. N. Toosi, University of Technology, Tehran, Iran) ,  Madani Nasimalsadat (Cardiovascular Research Group (CVRG), Department of Mechanical Engineering at K. N. Toosi, University of Technology, Tehran, Iran) ,  Kiani Kamran (Cardiovascular Research Group (CVRG), Department of Mechanical Engineering at K. N. Toosi, University of Technology, Tehran, Iran) ,  Ghaffari Ali (Cardiovascular Research Group (CVRG), Department of Mechanical Engineering at K. N. Toosi, University of Technology, Tehran, Iran)
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： 目的:心電図波形(ECG)は,心房細動のような異常な心臓リズムを検出する最も信頼できる方法として認識されている。このタスクは,信号が雑音によって歪まれるときに挑戦的である。本論文では,心臓リズム(AFまたは代替リズム)の異常と品質(雑音性記録)の観点から,短いリードECGを分類するための自動分類アルゴリズムを提案した。【方法】この目的を満たすために,各信号に対する最初のベースラインwander除去とButterworthフィルタを前処理段階として適用した。記録における雑音の存在により,高品質のビートを,サイクル品質評価を用いた更なる解析のために選択した。次に,相関係数,フラクタル次元およびRピークの分散として定義される3セットの特徴を抽出し,雑音のある記録を予測した。他の3つのクラスを分類するために,2つの別々のアプローチを採用した。第一のアプローチは特徴ベースの方法論であり,第二のアプローチは深いニューラルネットワークを適用することである。最初のアプローチでは,異なるドメインからの特徴を抽出した。AF検出のための方法は,古典的なPan-Tompkinsアルゴリズムを適用することによって抽出されるRR間隔における可変性を利用して,特性化する。AF検出の精度を改善するために,P波が信号に存在するかどうかを理解することにより,心房活動を解析した。これはP波の形態を調べることにより行った。非AFリズムを区別するための2つの特徴として,心拍異常と信号における早期拍動の存在が考えられる。特徴の全集合をニューラルネットワーク分類器に供給した。もう一つのアプローチは,1次元畳込みニューラルネットワークの入力として600のサンプルを持つセグメントを用いる。両方のアプローチから得られた出力は決定表を用いて結合され,最後に記録は3つのクラスに分類される。【結果】提案した方法を,2017のPhysioNet/CINC Challengeからの評価関数を用いて評価し,訓練データセットおよび隠れた試験データセットにおいて,それぞれ80%および71%の全体的スコアを達成した。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： 相関係数 ,  心拍 ,  *心房細動 ,  品質 ,  評価関数 ,  キャラクタリゼーション ,  *心房 ,  *アルゴリズム ,  *ニューラルネットワーク ,  雑音 ,  前処理 ,  フラクタル次元
準シソーラス用語： 品質評価 ,  *リズム ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： アルゴリズム ,  深部 ,  畳込みニューラルネットワーク ,  心房細動