文献

J-GLOBAL ID：201802263077395763   整理番号：18A0822491

多変量および多モード時系列を用いた時間的睡眠段階分類のための深層学習アーキテクチャ【JST・京大機械翻訳】

A Deep Learning Architecture for Temporal Sleep Stage Classification Using Multivariate and Multimodal Time Series

著者 (5件)： Chambon Stanislas (Research & Algorithms Team, Rythm Inc., Paris, France) ,  Galtier Mathieu N. (Research & Algorithms Team, Rythm Inc., Paris, France) ,  Arnal Pierrick J. (Research & Algorithms Team, Rythm Inc., Paris, France) ,  Wainrib Gilles (De ́partement d’Informatique, DATA Team, Ecole NormaleSupe ́rieure, Paris, France) ,  Gramfort Alexandre (LTCI, Telecom ParisTech, Universite ́ Paris-Saclay, Paris, France)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 26  号： 4  ページ： 758-769  発行年： 2018年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  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： 睡眠ステージ分類は,睡眠障害の診断において重要な予備的試験を構成する。脳波(EEG),心電図(EOGs),心電図,筋電図(EMGs)などの信号の視覚検査に基づいて,睡眠段階の各30秒に割り当てる睡眠専門家によって,それを追加的に実行する。ここでは,すべての多変量で多モードのポリソムノグラフィー(PSG)信号(EEG,EMG,EOG)を利用し,データの各30秒ウィンドウの時間的文脈を利用できる,スペクトルを計算することなく,または,手書き特徴を抽出することなく,エンドツーエンドを学習する睡眠ステージ分類のための最初の深い学習アプローチを紹介した。各モダリティに対して,第一層は,信号対雑音比を増加させるために,センサのアレイを利用する線形空間フィルタを学習し,最後の層は,学習表現を柔軟な分類器に供給する。このモデルを畳込みネットワークまたは決定木に基づく代替自動アプローチと比較した。20のEEGチャネルまでの61の公開可能なPSG記録で得られた結果は,ネットワークアーキテクチャが最先端の性能をもたらすことを実証した。著者らの研究は,関心のある信号の時空間分布に関する多くの洞察を明らかにした:平衡精度で測定された最適分類性能に対する良好なトレードオフは,2EOG(左および右)および3EMGチャインチャネルを有する6EEGを使用することである。また,各データセグメントの前後に1分間のデータを利用することにより,限られた数のチャネルが利用できる場合に最も強い改善が得られる。睡眠専門家として,著者らのシステムは,小さな計算コストで最先端の分類性能を提供するために,PSG信号の多変量で多モードの性質を利用する。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： ネットワーク ,  SN比 ,  チャネル ,  空間フィルタ ,  ディシジョンツリー ,  *学習 ,  脳波 ,  *多モード ,  *計算機アーキテクチャ ,  心電図 ,  筋電図 ,  畳込み ,  センサ
準シソーラス用語： *睡眠相 ,  *多変量 , 【Automatic Indexing@JST】

分類 (3件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S) ,  呼吸器の診断  (GI02000S)

タイトルに関連する用語 (7件)： 多変量 ,  多モード ,  時系列 ,  睡眠段階 ,  分類 ,  深層学習 ,  アーキテクチャ