文献
J-GLOBAL ID:202002225039533533   整理番号:20A2444560

Gauss混合回帰とオンライン再帰極値学習機械を用いた個人化血圧予測システム【JST・京大機械翻訳】

A Personalised Blood Pressure Prediction System using Gaussian Mixture Regression and Online Recurrent Extreme Learning Machine
著者 (4件):
資料名:
巻: 2020  号: CcS  ページ: 1-7  発行年: 2020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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
高血圧は発生だけでなく,先進国にも限定される流行である。それは,個人の生理学と生活様式に基づいて,各個人に依存する様々なライフスタイル選択によって引き起こされる。早期診断は可能であるが,連続血圧モニタリングを必要とする。血圧を予測し,その値の高いスパイクを検出することにより,高血圧の早期診断のために様々な機械学習法が提案されてきた。しかし,これらの解決策は,すべての患者に適用できない一般的なガイドラインで構築される。これらの解のほとんどはバッチ学習を組み込み,予測前に存在するすべてのデータを必要とし,オンライン学習機構を支持しない。これは,潜在的に排出されたモデルをもたらす。さらに,モデルを訓練しながら不完全な時系列を扱うためのインテリジェントアプローチの欠如も存在する。本論文は,オンライン再発性極端学習機械(OR-ELM)に基づく連続モニタリングの必要性を除去する血圧を推定するための個人化アプローチを提示する。Gauss混合モデルを用いて欠測値を求めた。予測モデルは歴史的データから学習し,より多くのデータを利用できるようにオンラインで学習する。提案スキームを開発し,安全な予測結果のためのモバイルアプリケーションに展開した。この方法を用いてマレーシア人集団における血圧を予測し,既存のバッチ学習およびオンライン学習法と比較した。結果は,OR-ELMベースのモデルが,オンライン逐次極端学習機械や極端学習機械のようなバッチ学習技術のような既存のオンライン技術より優れていることを示した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (3件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般  ,  医用画像処理  ,  NMR一般 

前のページに戻る