文献

J-GLOBAL ID：202002239684386360   整理番号：20A1560491

異常検出生成敵対ネットワークを用いた後耳EEGで記録された焦点発症発作に対する教師なし自動発作検出【JST・京大機械翻訳】

Unsupervised automatic seizure detection for focal-onset seizures recorded with behind-the-ear EEG using an anomaly-detecting generative adversarial network

著者 (8件)： You Sungmin (Department of Biomedical Engineering, Hanyang University, Seoul, South Korea) ,  Cho Baek Hwan (Medical AI Research Center, Samsung Medical Center, Sungkyunkwan University School of Medicine, Seoul, South Korea) ,  Cho Baek Hwan (Department of Medical Device Management and Research, Samsung Advanced Institute for Health Sciences & Technology, Sungkyunkwan University, Seoul, South Korea) ,  Yook Soonhyun (Department of Biomedical Engineering, Hanyang University, Seoul, South Korea) ,  Kim Joo Young (Department of Biomedical Engineering, Hanyang University, Seoul, South Korea) ,  Shon Young-Min (Department of Neurology, Samsung Medical Center, Sungkyunkwan University School of Medicine, Seoul, South Korea) ,  Seo Dae-Won (Department of Neurology, Samsung Medical Center, Sungkyunkwan University School of Medicine, Seoul, South Korea) ,  Kim In Young (Department of Biomedical Engineering, Hanyang University, Seoul, South Korea)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 193  ページ： Null  発行年： 2020年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 背景と目的:てんかんは,再発性発作を含む脳の神経学的障害である。脳波(EEG)はてんかん発作の検出と分析における金標準法である。しかしながら,標準EEG記録システムは,日常生活で使用するためには,あまり閉塞性である。Behind-the-ear EEGは,EEGを簡便に記録するための代替アプローチである。以前の研究者は,EEGによる発作を自動的に検出するために機械学習を適用したが,てんかんEEG波形は同定が困難な微妙な変化を含む。さらに,長期モニタリングにおけるictalイベントの極めて小さな割合は不均衡問題を引き起こし,その結果,教師つき学習アプローチにおける貧弱な予測性能を引き起こす。本研究では,教師なし学習により訓練された生成敵対ネットワーク(GAN)による自動発作検出アルゴリズムを提示し,それを後耳EEGで評価した。【方法】著者らは,種々の型のてんかんを有する12人の患者から,聴覚後EEGを記録した。データは,発作の開始と終了を決定する2人のてんかん医によって別々にレビューした。最初に,正常状態の表現を学習するために,GANに対する通常の記録を用いて教師なし学習を行った。第二に,異常検出器として訓練されたGANによる自動発作検出を行った。最後に,Gram行列を他の異常損失と組合せ,検出性能を改善した。【結果】:提案方法は,試験データセットにおいて1時間あたり0.14の誤警報率で,0.939の受信機動作曲線と96.3%の感度で,検出性能を達成した。さらに,EEG周波数帯に関して異常スコアの分布による識別性を確認した。結論:聴覚後EEGによるGANによる提案した異常検出は,日常生活における長期発作モニタリングに効果的に使用できることが期待される。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 聴覚 ,  金 ,  *ネットワーク ,  脳波 ,  受信機 ,  教師なし学習 ,  てんかん ,  教師つき学習 ,  周波数帯 ,  *発作 ,  機械学習
準シソーラス用語： てんかん性発作 ,  異常検出 ,  検出アルゴリズム ,  誤警報率 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  脳波検査 ,  てんかん ,  発作 ,  生成敵対ネットワーク

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (8件)： 異常検出 ,  敵対 ,  耳 ,  EEG ,  焦点 ,  発症 ,  発作 ,  教師