文献

J-GLOBAL ID：201802260534051216   整理番号：18A0859370

Bayesネットワークモデルを用いた信頼できる医療モニタリングのための閾値調整に基づく有効ブルセンサ故障検出【JST・京大機械翻訳】

Threshold Tuning-Based Wearable Sensor Fault Detection for Reliable Medical Monitoring Using Bayesian Network Model

著者 (3件)： Zhang Haibin (School of Cyber Engineering, Xidian University, Xi’an, China) ,  Liu Jiajia (School of Cyber Engineering, Xidian University, Xi’an, China) ,  Kato Nei (Graduate School of Information Sciences, Tohoku University, Sendai, Japan)
資料名： IEEE Systems Journal  (IEEE Systems Journal)
巻： 12  号： 2  ページ： 1886-1896  発行年： 2018年 
JST資料番号： W2238A  ISSN： 1932-8184  資料種別： 逐次刊行物 (A)
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： 医用センサネットワーク(BSN)は通常資源制限され,環境影響と悪意のある攻撃に対して脆弱であるので,故障センサデータは必然的に生じ,誤警報,故障医療診断,および重大な誤判断さえ生じる可能性がある。したがって,故障した感覚データは,医療診断に利用する前に可能な限り検出され,除去されなければならない。ほとんどの利用可能な研究は,身体センサ故障検出のために,従来の無線センサネットワーク(WSN)で開発された故障検出方式を直接使用した。しかし,BSNは,従来のWSNsにおける密に配置されたセンサノードによって提供される情報冗長性を欠いて,極めて限られた数のセンサを採用している。これに照らして,本論文ではBayesネットワークモデルベースのセンサ故障検出方式を提案した。これは,多数のセンサから収集された冗長情報よりもむしろ,身体センサ読み取りの条件付き確率分布を確立するための歴史的訓練データに依存する。さらに,Bayesネットワークに基づく方式は,故障検出のための閾値を最適に調整することにより,不正確率を最小化することを可能にする。著者らの故障検出方式の性能を評価するために,広範囲のオンラインデータセットを採用して,著者らの方式が良い故障検出精度と低い誤警報率を有することを示した。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： *故障 ,  冗長性 ,  *故障検出 ,  センサネットワーク ,  *センサ ,  環境影響
準シソーラス用語： 誤警報率 ,  訓練データ ,  条件付確率 ,  センサノード ,  無線センサネットワーク ,  誤警報 ,  脆弱性 ,  *センサ故障 ,  *信念ネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 移動通信  (ND08030H) ,  光通信方式・機器  (ND10000B) ,  データ保護  (JD01020V)

タイトルに関連する用語 (7件)： Bayesネットワーク ,  モデル ,  信頼 ,  医療 ,  モニタリング ,  閾値 ,  センサ故障