文献

J-GLOBAL ID：201902239571153532   整理番号：19A2494478

不整脈分類のための新しい深部畳込みニューラルネットワーク【JST・京大機械翻訳】

A novel deep convolutional neural network for arrhythmia classification

著者 (6件)： Dang Hao (School of Automation, Beijing University of Posts and Telecommunications, Beijing, China) ,  Sun Muyi (School of Automation, Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhang Guanhong (School of Automation, Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhou Xiaoguang (School of Automation, Beijing University of Posts and Telecommunications, Beijing, China) ,  Chang Qing (Department of Cardiology, University of Medicine & Health Sciences, Shanghai, China) ,  Xu Xiangdong (Department of Cardiology, University of Medicine & Health Sciences, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICAMechS  ページ： 7-11  発行年： 2019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： 心電図(ECG)は,心臓の活動規則性をモニターするための重要な標準である。多くの心臓異常は,不整脈を含むECGから示される。それは生命を脅かす疾患である可能性がある。不整脈の自動分類は,医学および生物情報科学における最も価値ある話題の1つである。著者らは,ECG信号における5つの異なるタイプの心拍を自動的に同定するために,ネットワークAに基づくベースラインネットワーク(ネットワークA)およびマルチスケール融合CNNアーキテクチャ(ネットワークB)を開発した。また,セットBに供給される250サンプル(セットA)と360サンプル(セットB)の信号を含む多重スケール信号を設計した。著者らの実験は,公開されているデータベースMIT-BIH不整脈データベース(MITAB)から導出されたセットAとセットBにおいて行われる。平均精度92.81%,感度と特異性95.84%,93.92%を,ネットワークAを用いて得た。一方,平均精度95.48%,感度および特異性96.53%,87.74%を,ネットワークBを用いて得た。結果は,多重スケール融合CNNアーキテクチャ(ネットワークB)が,コンボリューションブロックを追加することにより,ネットワークAよりわずかに良いことを実証した。それは,すべてのコンボリューションブランチから特徴を集める3つのコンボリューション層から成る。著者らの知る限り,提案したモデルは異なるタイプの不整脈を同定するための迅速なツールとして活用できる。Copyright 2019 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： 心臓 ,  心電図 ,  *不整脈 ,  *畳込み ,  心拍 ,  規則度 ,  データベース ,  自動分類 ,  *ネットワーク ,  計算機アーキテクチャ
準シソーラス用語： 特異性 ,  マルチスケール ,  バイオインフォマティクス ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 不整脈 ,  分類 ,  深部 ,  畳込みニューラルネットワーク