文献

J-GLOBAL ID：201802256308825911   整理番号：18A0726729

教師つき学習は心臓リズムの分類に用いることができるか【JST・京大機械翻訳】

Can supervised learning be used to classify cardiac rhythms?

著者 (5件)： Vollmer Marcus (Institute of Bioinformatics, University Medicine Greifswald, Germany) ,  Sodmann Philipp (Institute of Bioinformatics, University Medicine Greifswald, Germany) ,  Caanitz Leonard (Institute of Bioinformatics, University Medicine Greifswald, Germany) ,  Nath Neetika (Institute of Bioinformatics, University Medicine Greifswald, Germany) ,  Kaderali Lars (Institute of Bioinformatics, University Medicine Greifswald, Germany)
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： 背景:この貢献は,短い単一リードECG記録からの心房細動の分類に関するPhysioNet/CINC Challenge 2017に関連する。目的は,ECGをこれらのクラスの1つに割り当てることである:正常洞調律,心房細動,代替リズム,または雑音が多すぎる。【方法】正常および不整脈心拍の特徴的成分の正確な検出を誘導するために,PhyioNetからの標識データのQRS複合体,P波,T波,雑音および心拍間時系列の波形を用いて畳込み神経回路網を訓練した。リズムパターンを同定するために,雑音推定関数を心拍数とRR,RTおよびPR間隔の分析と組み合わせて用いた。リズム変化を引き起こす可能性のある正常および異常な心拍を識別するために,得られた相関行列をクラスタ化することにより,心拍形状の相互相関を解析した。特徴の重要性を調べ,ランダムフォレストアルゴリズムを用いて,リズムクラスを予測する決定木を生成した。分類性能をFiスコアを用いて評価した。【結果】畳込み神経回路網はQTデータベースにおけるすべてのRピークの99%以上を正確に同定することができたが,PとT波の検出はそれぞれ91%と81%の真の陽性率に達した。訓練データセットの8528の記録における分類性能は,F_1=0.94であった。このアルゴリズムを挑戦の隠れたテストセットに適用するとき,0.81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： *心臓 ,  心房細動 ,  *教師つき学習 ,  心拍 ,  データベース ,  クラスタ化 ,  ディシジョンツリー ,  雑音 ,  神経回路網 ,  畳込み ,  アルゴリズム
準シソーラス用語： 訓練データ ,  スコア ,  T波 ,  *リズム , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  犬・猫  (FD06010P)

タイトルに関連する用語 (4件)： 教師つき学習 ,  心臓 ,  リズム ,  分類