文献

J-GLOBAL ID：202002221668081228   整理番号：20A2082847

PCG信号の時間-周波数解析,雑音除去,圧縮,セグメンテーションおよび分類【JST・京大機械翻訳】

Time-Frequency Analysis, Denoising, Compression, Segmentation, and Classification of PCG Signals

著者 (3件)： Chowdhury Tanzil Hoque (Computational Science, Middle Tennessee State University, Murfreesboro, TN, USA) ,  Poudel Khem Narayan (Computational Science, Middle Tennessee State University, Murfreesboro, TN, USA) ,  Hu Yating (Engineering Technology, Middle Tennessee State University, Murfreesboro, TN, USA)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 160882-160890  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 心音図(PCG)は心音のグラフィカル表現である。PCG信号は,心臓の機能性と状態に関する有用な情報を含んでいる。それはまた,潜在的心臓異常の早期徴候を提供する。心臓音から心臓情報を抽出して,PCG信号を用いて心臓疾患を診断する異常な心臓音を検出することは,遠隔患者モニタリングにおいて不可欠な役割を果たすことができる。本論文では,PCG信号を雑音除去,圧縮,セグメント,および分類するために,異なる信号処理技術と深層学習法を,効果的に,そして,正確に組み合わせた。最初に,PCG信号を雑音除去し,離散ウェーブレット変換(DWT)に基づく多重解像度解析を用いて圧縮した。次に,Shannonエネルギーエンベロープとゼロ交差に基づくセグメンテーションアルゴリズムを適用して,PCG信号を4つの主要部分に分割した:第1心音(S1),収縮期間隔,第2心音(S2),および拡張期間隔。最後に,メルスケールパワースペクトログラムとメル周波数ケプストラム係数(MFCC)を用いて,PCG信号から有益な特徴を抽出し,次に,深い学習手法を用いて各PCG信号を正常または異常信号に分類する分類器に供給した。分類のために,5層フィードフォワード深層ニューラルネットワーク(DNN)モデルを使用し,約97.10%の総合試験精度を達成した。心臓状態に関する貴重な情報を提供することに加えて,この信号処理アプローチは,心血管障害が初期段階で見つかるならば,心臓専門医が診断に対して適切で信頼できる段階を取るのを助けることができる。Copyright 2020 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： アルゴリズム ,  学習 ,  *セグメンテーション ,  心臓 ,  信号処理 ,  フィードフォワード ,  心臓病 ,  心音 ,  心音図 ,  *雑音除去
準シソーラス用語： 拡張期 ,  離散ウェーブレット変換 ,  収縮期 ,  深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (5件)： PCG ,  時間-周波数解析 ,  雑音除去 ,  セグメンテーション ,  分類