文献

J-GLOBAL ID：201802259672269779   整理番号：18A1908184

マルチテーパスペクトル分類器を用いた正常および発作間EEGの識別【JST・京大機械翻訳】

Differentiation between Normal and Interictal EEG Using Multitaper Spectral Classifiers

著者 (2件)： Oliva Jefferson Tales (Bioinspired Computing Laboratory, University of Sao Paulo, Sao Paulo, Brazil) ,  Rosa Joao Luis Garcia (Department of Computer Science, University of Sao Paulo, Sao Paulo, Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-8  発行年： 2018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： 世界保健機関によると,てんかんは最も一般的な慢性神経障害の1つであり,約50万人の人々に影響を及ぼす。この不確定性は,4種類のイベントを示す:前発作,発作後および発作。てんかんは脳波(EEG)により診断できる。例えばEEGに関する発作間活動は,てんかん症状として広く受け入れられている。しかしながら,それらが類似のパターンを持つことができるので,正常と発作間EEGセグメントの間の分化は困難である。また,てんかん患者からのEEGは正常なイベントを含むことができる。本研究では,正常と発作間EEGを区別するための分類器を構築した。提案したプロセスを200のEEGセグメントのセットに適用した。このために,各信号に対してパワースペクトル(PS)を計算し,5つの周波数帯を考慮してPSから18の測度を抽出した:デルタ,θ,アルファ,ベータ,および全周波数範囲(低デルタと高ベータ周波数範囲)。したがって,各PSから,90の特徴を抽出した。分類装置を構築するために,以下の機械学習法を適用した:ランダムフォレスト,INN,ナイーブBayes(NB),MLP,およびSVM。交差検証法による評価において,統計的に有意な差は分類器間で見られず,その誤差値はFriedman試験により0.1089のp値をもたらした。一方,混乱行列とそれらのパラメータによって,NB分類器が正常なEEGセグメントを検出するために最も良い性能に達したことがわかった。発作間活動の検出のために,MLPとSVM分類装置は最良の結果を達成した。本研究で構築されたすべての分類器は,正常および発作間EEGパターンの間の分化に対して有望な結果に達した。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： カオス ,  患者 ,  脳波 ,  パワースペクトル ,  *発作 ,  交差検証法 ,  分類装置 ,  測度 ,  不確実性 ,  機械学習 ,  てんかん ,  周波数 ,  周波数帯
準シソーラス用語： SVM分類 ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 分類器 ,  発作 ,  EEG ,  識別