文献

J-GLOBAL ID：201902234148622170   整理番号：19A1666190

ECGを用いた特定の心血管疾患の自動検出のための特徴抽出技術:レビューと評価研究【JST・京大機械翻訳】

Feature Extraction Techniques for Automatic Detection of Some Specific Cardiovascular Diseases Using ECG: A Review and Evaluation Study

著者 (4件)： Le Trieu Hai-Nguyen (Department of Biomedical Engineering, International University-Vietnam National University, Ho Chi Minh City, Vietnam) ,  Le Triet Minh (Department of Biomedical Engineering, International University-Vietnam National University, Ho Chi Minh City, Vietnam) ,  Le Trung Q. (North Dakota State University, Fargo, ND, USA) ,  Van Toi Vo (Department of Biomedical Engineering, International University-Vietnam National University, Ho Chi Minh City, Vietnam)
資料名： IFMBE Proceedings  (IFMBE Proceedings)
巻： 69  ページ： 543-549  発行年： 2020年 
JST資料番号： W5069A  ISSN： 1680-0737  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 心血管疾患(CVDs)は世界的に死亡の主要な原因である。CVDの効果的な治療のために,心電図(ECG)監視に基づく自動CVD検出は非常に望ましい。ECG分類における一つの主要な課題は特徴学習である。本論文では,特徴抽出のための開発された技術をレビューし,それらの性能をAトライアル Fibillation(AF),心筋梗塞(MI)およびPericarditis検出において比較した。文献レビューにおける特徴抽出法は,主に4つのカテゴリに分割できる:線形特徴,非線形特徴,ウェーブレット変換,深い学習。3つの研究を,異なる特徴抽出技術の有効性を評価するために,PhysioNetからのデータベースを用いて実行した。AF検出アルゴリズムは,形態特徴,統計的特徴,スペクトル特徴,およびウェーブレットエントロピーを使用し,96%の感度,93%の特異性,および94.1%の精度を示した。PericarditisとMI分類の場合,サブバンドエネルギー,置換エントロピー,および近似エントロピーを含む情報理論ベースの特徴が最も注目されている特徴である。従来のニューラルネットワークの機械学習に基づくモデルを用いてMIを検出する研究は,最も有望な結果をもたらす92.04%の感度を示した。Copyright 2020 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ウェーブレット変換 ,  心筋梗塞 ,  ニューラルネットワーク ,  *特徴抽出 ,  有効性 ,  データベース ,  機械学習 ,  線形性 ,  学習 ,  文献展望 ,  エントロピー ,  心電図
準シソーラス用語： 特異性 ,  ウェーブレットエントロピー ,  *自動検出 , 【Automatic Indexing@JST】

著者キーワード (7件)： 心血管疾患の検出 ,  特徴抽出技術 ,  ECG ,  線形特徴 ,  非線形特徴 ,  ウェーブレット変換 ,  深層学習

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (7件)： ECG ,  心血管疾患 ,  自動検出 ,  特徴抽出 ,  レビュー ,  評価 ,  研究