文献

J-GLOBAL ID：202002236755348564   整理番号：20A1100258

記号表現と多視点畳込みニューラルネットワークによる患者間ECG分類【JST・京大機械翻訳】

Inter-Patient ECG Classification With Symbolic Representations and Multi-Perspective Convolutional Neural Networks

著者 (4件)： Niu Jinghao (Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Tang Yongqiang (Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Sun Zhengya (Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Zhang Wensheng (Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 24  号： 5  ページ： 1321-1332  発行年： 2020年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  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： 本論文は,患者間心電図(ECG)心拍分類のための新しい深い学習フレームワークを提示した。特にECGのために設計された記号化アプローチを紹介した。それは,心拍の形態とリズムを共同的に表すことができ,ベースライン補正を通して患者間変動の影響を軽減することができる。心拍の記号表現は,自動的に特徴を学習し,心拍を分類するために,多視点畳込みニューラルネットワーク(MPCNN)によって使用される。著者らは,MIT-BIH不整脈データセットにおける上室異所性拍動(SVEB)と心室異所性拍動(VEB)の検出のための著者らの方法を評価する。手の特徴または深い学習モデルに基づく最先端の方法と比較して,著者らの方法は優れた性能を示した:全体の精度は96.4%,SVEBのF1スコアは76.6%,VEBは89.7%であった。著者らの方法に関するアブレーション研究は,より一般的特徴を学ぶために深い学習モデルを助けることができて,非見られた患者のために一般化の能力を改良することができる,提案した記号化アプローチと結合表現アーキテクチャの有効性を実証した。著者らの方法は,複雑な手書き特徴や人間の専門家の介入なしで競合的な患者間心拍分類性能を達成するので,ECG分類に関連する様々な他のタスクを扱うために調整することもできる。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： 学習 ,  学習モデル ,  心電図 ,  心室 ,  *心拍 ,  不整脈 ,  基準線 ,  有効性 ,  アブレーション ,  計算機アーキテクチャ
準シソーラス用語： 手書き ,  異所性心拍 ,  リズム ,  記号表現 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 記号表現 ,  視点 ,  畳込みニューラルネットワーク ,  患者 ,  ECG ,  分類