文献

J-GLOBAL ID：201902246439349555   整理番号：19A2838657

Major抑鬱障害を表現するための単一チャネルEEGベース機械学習法【JST・京大機械翻訳】

Single-Channel EEG-Based Machine Learning Method for Prescreening Major Depressive Disorder

著者 (6件)： Wan Zhijiang (Department of Life Science and Informatics, Maebashi Institute of Technology, Maebashi 371-0864, Japan) ,  Zhang Hao (College of Economics and Management, Nanjing Forestry University, Nanjing Jiangsu 210037, P. R. China) ,  Huang Jiajin (College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing 100124, P. R. China) ,  Zhou Haiyan (College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing 100124, P. R. China) ,  Yang Jie (Beijing Anding Hospital of Capital Medical University, Beijing 100088, P. R. China) ,  Zhong Ning (Department of Life Science and Informatics, Maebashi Institute of Technology, Maebashi 371-0864, Japan)
資料名： International Journal of Information Technology & Decision Making  (International Journal of Information Technology & Decision Making)
巻： 18  号： 5  ページ： 1579-1603  発行年： 2019年 
JST資料番号： W2076A  ISSN： 0219-6220  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： シンガポール (SGP)  言語： 英語 (EN)

抄録/ポイント： 多くの研究により,多チャンネル脳波(EEG)データに基づくMajor抑制性障害(MDD)と正常対照を識別するための機械学習法を開発し,前頭頭皮から収集した単一チャンネルEEGを用いてMDDを識別した。EEGデータセットを32チャネルEEGシステムのFp1とFp2電極により収集した。結果は,Fp1位置のEEGに基づく分類性能がFp2位置のEEGに基づく性能を上回り,単一チャネルEEG解析が多チャネルEEG解析のレベルでMDDの識別を提供できることを示した。さらに,Fp1位置から信号を収集する携帯型EEG装置を用いて,第二のデータセットを収集した。遺伝的アルゴリズム(GA)を結合する分類と回帰ツリーは,leave-one-参加-out交差検証に基づいて86.67%の最も高い精度を達成する。それは,単一チャネルEEGベースの機械学習方法がMDDプレクリーニング応用をサポートするのに有望であることを示す。Copyright 2019 World Scientific Publishing Company All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 遺伝的アルゴリズム ,  *学習 ,  *機械学習 ,  脳波 ,  携帯型 ,  チャネル
準シソーラス用語： 頭皮 ,  マルチチャネル ,  Major , 【Automatic Indexing@JST】

著者キーワード (5件)： 単一チャネル ,  脳波 ,  機械学習 ,  大うつ病性障害 ,  MDDプリスケニング

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 抑鬱障害 ,  表現 ,  チャネル ,  EEG ,  ベース機械