文献

J-GLOBAL ID：202002245576372929   整理番号：20A2119906

改良誘導伝達学習に基づく自動てんかん検出法【JST・京大機械翻訳】

An Automatic Epilepsy Detection Method Based on Improved Inductive Transfer Learning

著者 (3件)： Yao Yufeng (The Institute of Intelligent Information Processing and Application, Soochow University, Suzhou 215006, China) ,  Yao Yufeng (Department of Computer Science and Engineering, Changshu Institute of Technology, Changshu 215500, China) ,  Cui Zhiming (Suzhou University of Science and Technology, Suzhou 215009, China)
資料名： Computational and Mathematical Methods in Medicine (Web)  (Computational and Mathematical Methods in Medicine (Web))
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： U7693A  ISSN： 1748-670X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： てんかんは脳ニューロンの突然の異常放電に起因する慢性疾患であり,一過性の脳機能障害を引き起こす。てんかんの発作は突然と反復性の特徴を有し,患者の健康,認知などを深刻に脅かす。現況では,EEGは様々なてんかん発作の臨床診断におけるてんかんの診断,判断,および定性的位置において重要な役割を果たし,検出の不可欠な手段である。てんかん患者のEEG信号の研究は,その病因の詳細な理解のための強い基礎と有用な情報を提供することができる。機械学習に基づく知的分類技術は,てんかんEEG信号の分類に広く用いられているが,その有効性を示す。実際,実際の寿命におけるモデル訓練に利用可能な十分なEEGデータがあり,それはアルゴリズムの性能に影響する。これを考慮して,アルゴリズムの検出性能に及ぼす不十分なデータの影響を減らすために,DLSRと帰納的移動学習に基づいて,新規識別最小二乗回帰(DLSR-)ベースの誘導移動学習法を導入した。また,てんかんEEG信号認識の適応性と精度を促進するために適用した。提案した方法はDLSRの利点を継承する。それは,異なるクラス間の間隔を拡大することにより,分類シナリオにより適している。一方,それはターゲット領域のデータとソースドメインの知識を同時に使用することができ,それはより良い性能を得るために役立つ。結果は,改良方式がいくつかの他の代表的方法と比較してEEG信号認識においてより多くの優位性を有することを示した。Copyright 2020 Yufeng Yao and Zhiming Cui. 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 ,  最小二乗法 ,  放電 ,  *学習 ,  ニューロン ,  *てんかん ,  適応性 ,  *検出法 ,  有効性 ,  発作 ,  病因 ,  機械学習
準シソーラス用語： 慢性疾患 ,  検出能 ,  臨床診断 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  神経系の診断  (GN02000H)

引用文献 (39件)：

• K. S. Wilcox, P. J. West, C. S. Metcalf, "The current approach of the Epilepsy Therapy Screening Program contract site for identifying improved therapies for the treatment of pharmacoresistant seizures in epilepsy," Neuropharmacology, vol. 166, pp. 107811, 2020.
• L. Harris, H. Angus-Leppan, "Epilepsy: diagnosis, classification and management," Medicine, 2020.
• T. Gandhi, B. K. Panigrahi, M. Bhatia, S. Anand, "Expert model for detection of epileptic activity in EEG signature," Expert System with Applications, vol. 37, no. 4, pp. 3513-3520, 2010.
• R. Sahu, S. R. Dash, L. A. Cacha, R. R. Poznanski, S. Parida, "Epileptic seizure detection: a comparative study between deep and traditional machine learning techniques," Journal of Integrative Neuroscience, vol. 19, no. 1, pp. 1-9, 2020.
• S. Panahi, T. Shirzadian, M. Jalili, S. Jafari, "A new chaotic network model for epilepsy," Applied Mathematics and Computation, vol. 346, no. 1, pp. 395-407, 2019.

タイトルに関連する用語 (4件)： 誘導 ,  学習 ,  てんかん ,  検出法