文献

J-GLOBAL ID：201802260749733261   整理番号：18A0823858

ECGデータ解析のための深いマルチタスク学習アプローチ【JST・京大機械翻訳】

A deep multi-task learning approach for ECG data analysis

著者 (4件)： Ji Jinlong (Department of Electrical Engineering and Computer Science, Case Western Reserve University, Cleveland, OH 44106) ,  Chen Xuhui (Department of Electrical Engineering and Computer Science, Case Western Reserve University, Cleveland, OH 44106) ,  Luo Changqing (Department of Electrical Engineering and Computer Science, Case Western Reserve University, Cleveland, OH 44106) ,  Li Pan (Department of Electrical Engineering and Computer Science, Case Western Reserve University, Cleveland, OH 44106)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： BHI  ページ： 124-127  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： 深い学習は高度な表現学習法であり,生データから隠れた特徴を自動的に発見することができる。研究者は,過去数年間にECGデータ解析のためにそれを採用することを試みた。しかしながら,伝統的な深い学習アルゴリズムは,通常,それらの訓練プロセスの間にニューラルネットワークを微調整するために多大な努力と経験を必要とする。さらに,これらのアルゴリズムは,良く訓練されたモデルが,別のグループの患者からのデータを分析するために直接適用されるとき,鋭く低下した精度を被る可能性がある。これらの問題を解決するために,ネットワークを微調整するために限られた努力しか必要としないECGデータ解析のための深いマルチタスク学習方式を提案し,訓練モデルを他のデータセットによく適用することを可能にした。具体的には,まず,ECGデータ解析問題を,ECGデータ解析を複数のタスクに分割することにより,マルチタスク学習問題に変換する。次に,各タスクに対する複数のデータセットを構築した。最後に,従来のニューラルネットワークにおけるパラメータ共有ニューラル層を挿入する深いパラメータ共有ネットワークを設計した。提案方式の性能を検証するために,MIT-BIHデータベースを用いて実験を行った。結果は,提案した方式が約5.1%までECGデータ解析の精度を改善できることを示した。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： ニューラルネットワーク ,  データベース ,  *学習 ,  学習アルゴリズム ,  患者 ,  ネットワーク ,  アルゴリズム
準シソーラス用語： 微調整 ,  生データ ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ECGデータ ,  解析 ,  マルチタスク学習