文献

J-GLOBAL ID：201902219235702088   整理番号：19A2098430

機械学習技術を用いたアルコール依存症検出のためのEEG信号の分類【JST・京大機械翻訳】

Classification of EEG signals to detect alcoholism using machine learning techniques

著者 (5件)： Rodrigues Jardel das C. (Instituto Federal de Educacao, Ciencia e Tecnologia do Ceara, Fortaleza, Ceara, Brazil) ,  Filho Pedro P. Reboucas (Instituto Federal de Educacao, Ciencia e Tecnologia do Ceara, Fortaleza, Ceara, Brazil) ,  Peixoto Eugenio (Programa de Pos-Graduacao em Informatica Aplicada, Laboratorio de Bioinformatica, Universidade de Fortaleza, Fortaleza, Ceara, Brazil) ,  N Arun Kumar (Sastra University, Tanjore, India) ,  de Albuquerque Victor Hugo C. (Programa de Pos-Graduacao em Informatica Aplicada, Laboratorio de Bioinformatica, Universidade de Fortaleza, Fortaleza, Ceara, Brazil)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 125  ページ： 140-149  発行年： 2019年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： アルコール中毒の診断は,個人と社会に対するその影響だけでなく,国民の健康システムへのコストにも大きく重要である。さらに,世界的にこの疾患を患っている多数の人々がある。アルコール中毒は,肝臓,免疫系,脳,および心臓に対する重要な病理学的影響を有する。機械学習技術は,様々な疾患の自動診断において専門家を支援するための効率的な方法を提供するので,生体信号の分類のために既に良く知られている。本研究は,ウェーブレットパケット分解(WPD)と機械学習技術を用いて,アルコール性脳波(EEG)信号の分類を提示した。実験は,最小値,最大値,平均値,標準偏差,電力値,絶対平均の比率,および分類器を供給するための特徴としての絶対平均値を用いて実現した。これらの特徴を,アルコール症を分類するためのそのような特徴の実現可能性を調査する目的と組み合わせた。分類タスクを,サポートベクトルマシン(SVM),最適経路フォレスト(OPF),Nave Bayes,k-Nearest Neighbers(k-NN)および多層Perceptron(MLP)を用いて実行した。結果は,特異性,感度,陽性予測値(PPV),および精度に対して99.87%の最大値を示した。これらの結果は,Nave Bayes分類器と双直交ウェーブレット族を用いて生成した。他の技術との比較を行い,著者らのアプローチを検証した。有望な結果,OPF分類器の包含,および選択された分類器とウェーブレットファミリーを含む特定の組合せが本研究の主な貢献である。最後に,著者らの戦略は,アルコール性EEG信号の分類において非常に効果的であることを証明した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 脳波 ,  *アルコール ,  生体信号 ,  サポートベクトルマシン ,  多層 ,  直交性 ,  最適航路 ,  波束 ,  心臓 ,  標準偏差
準シソーラス用語： 予測値 ,  特異性 ,  自動診断 ,  健康 ,  *脳波信号 , 【Automatic Indexing@JST】

著者キーワード (7件)： 脳波 ,  アルコールシグナル ,  ウェーブレットパケット分解 ,  サポートベクトルマシン(SVM) ,  NAVEベイズ ,  最適経路森林(OPF) ,  多層パーセプトロン(MLP)

分類 (2件)： 人工知能  (JE08000Z) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 機械学習技術 ,  アルコール依存症 ,  EEG信号 ,  分類