文献

J-GLOBAL ID：202002222998217644   整理番号：20A1196362

不整脈検出のための先進的二段階DNNベースフレームワーク【JST・京大機械翻訳】

An Advanced Two-Step DNN-Based Framework for Arrhythmia Detection

著者 (6件)： He Jinyuan (Victoria University, Melbourne, Australia) ,  He Jinyuan (Monash University, Melbourne, Australia) ,  Rong Jia (Monash University, Melbourne, Australia) ,  Sun Le (Nanjing University of Information Science and Technology, Nanjing, China) ,  Wang Hua (Victoria University, Melbourne, Australia) ,  Zhang Yanchun (Victoria University, Melbourne, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12085  ページ： 422-434  発行年： 2020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： 心臓不整脈は重篤な心臓問題である。自動心拍分類は心臓不整脈に対する費用対効果の高いスクリーニングを提供し,リスクのある患者がタイムリーな治療を受けることを可能にするが,これは非常に要求されるが挑戦的な課題である。最近の研究は,この領域に対する可視的な改善をもたらしたが,問題のある上室異所性(S型)心拍を同定することは,ほとんどの既存の研究において依然としてボトルネックである。本論文は,不整脈関連心拍を同定するための2段階DNNベースのフレームワークを提示した。第一段階では,正常およびS型心拍を除いて,すべての心拍クラスを分類するために,深い二重チャネル畳込みニューラルネットワーク(DDCNN)を提案した。第二段階では,中心からLSTM支持モデル(CLSM)を特別に設計し,通常のものからS型心拍を識別した。中心から方向への心臓リズムの処理により,CLSMは,心拍とその近傍の隠れた時間的情報を学習し,抽出し,2つの心拍型の間の深い差を明らかにした。改善として,訓練データ不均衡問題を解くためのルールベースのデータ拡張法も提案した。提案フレームワークを3つの実世界ECGデータベース上で評価した。結果は,著者らの方法がほとんどの評価計量においてベースラインより優れていることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 心臓 ,  心拍 ,  *不整脈 ,  基準線 ,  ルールベース
準シソーラス用語： 訓練データ ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 不整脈検出 ,  深層学習 ,  データ増強

分類 (2件)： 生体計測  (EL03020C) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (3件)： 不整脈 ,  段階 ,  フレームワーク