文献

J-GLOBAL ID：201902241887740056   整理番号：19A2419164

最適化Echo状態ネットワークによる連続血圧推定【JST・京大機械翻訳】

Continuous Blood Pressure Estimation Through Optimized Echo State Networks

著者 (5件)： Franco Giuseppe (Department of Computer Science, University of Pisa, Pisa, Italy) ,  Cerina Luca (Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Milan, Italy) ,  Gallicchio Claudio (Department of Computer Science, University of Pisa, Pisa, Italy) ,  Micheli Alessio (Department of Computer Science, University of Pisa, Pisa, Italy) ,  Santambrogio Marco Domenico (Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Milan, Italy)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11731  ページ： 48-61  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 技術は,連続血圧の非侵襲的記録に向けて心臓学を押し込んでいるが,これはAttaにおける圧力変換器の挿入を必要としない。心電図(ECG)とフォトトleグラフィー(PPG)に基づく新しい分析は,心臓と血管の間の相互作用のエレガントモデルを提供したが,これらの方法は長期安定性を欠き,間欠的な再較正を必要とする。一方,時系列中心アルゴリズムはこの結合を連続的に写像できる可能性がある。特に,再帰ニューラルネットワーク(RNN)は,高い精度と安定性を示した。ここでは,連続血圧を定量化するために,Echo状態ネットワーク(ESN)上で,効率的Bayes最適化プロセスを利用して,ECGとPPG信号の入力スケーリングを,他のハイパーパラメータの中で自動的に最適化するシステムを提案した。他のRNNアーキテクチャと比較して,ESNは,埋め込まれた監視装置上での展開を可能にするより速い訓練時間とより低い計算制約を提供する。予備的な結果は,正規化されたRoot平均二乗誤差とMedian Symmetric Accuracyに関して,それぞれ80%と98%の精度を示した。ピークの推定を考慮すると,システムはSystolicおよびDiastolicポイントの両方に対してグレードA(British Hypertension Society)を達成し,それを臨床推奨デバイスと比較することができる。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *血圧 ,  相互作用 ,  ニューラルネットワーク ,  *ネットワーク ,  *最適化 ,  心臓 ,  計算機アーキテクチャ ,  監視装置 ,  心電図 ,  正規化 ,  血管 ,  アルゴリズム
準シソーラス用語： 平均二乗誤差 ,  ハイパーパラメータ ,  非侵襲 , 【Automatic Indexing@JST】

著者キーワード (3件)： Echo状態ネットワーク ,  Bayes最適化 ,  連続血圧推定

分類 (3件)： 人工知能  (JE08000Z) ,  移動通信  (ND08030H) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 最適化 ,  血圧 ,  推定