文献

J-GLOBAL ID：202002249148664009   整理番号：20A0811460

非線形測定と遺伝的アルゴリズムに基づくサポートベクトルマシンの組合せに基づく意識計の構築【JST・京大機械翻訳】

Constructing a Consciousness Meter Based on the Combination of Non-Linear Measurements and Genetic Algorithm-Based Support Vector Machine

著者 (8件)： Liang Zhenhu (Department of Electrical Engineering, Yanshan University, Qinhuangdao, China) ,  Shao Shuai (Department of Electrical Engineering, Yanshan University, Qinhuangdao, China) ,  Lv Zhe (Department of Emergency, The No. 1 Hospital of Qinhuangdao, China) ,  Li Duan (Department of Anesthesiology, Center for Consciousness Science, University of Michigan Medical School, Ann Arbor, MI, USA) ,  Sleigh Jamie W. (Department of Anesthesia, Waikato Hospital, Hamilton, New Zealand) ,  Li Xiaoli (State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University, Beijing, China) ,  Zhang Chongyang (Department of Emergency, The No. 1 Hospital of Qinhuangdao, China) ,  He Jianghong (Department of Neurosurgery, PLA Army General Hospital, Beijing, China)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 28  号： 2  ページ： 399-408  発行年： 2020年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  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： 目的:意識を評価する枠組みを構築することは,神経科学研究と臨床診療における重要な問題である。しかし,レベルと含有量の両方の次元に沿って変化した意識を定量化するための体系的枠組みはまだない。本研究では,昏睡,全身麻酔,最小意識状態(MCS),および正常覚醒の状態を区別するための枠組みを構築した。方法:本研究では,意識障害(昏睡またはMCS),全身麻酔下の患者,および正常覚醒意識(NWC)における健常参加者における前頭皮から記録された脳波(EEG)を分析した。4つの非線形方法,すなわち,置換エントロピー(PE),サンプルエントロピー(サンプルEn),置換Lempel-Ziv複雑性(PLZC),および相対的パワー(RP)と同様に,EEG記録から抽出した特徴を抽出した。遺伝的アルゴリズムに基づくサポートベクトルマシン(GA-SVM)は,抽出された特徴に基づいて意識の状態を分類した。次に,多変量線形回帰モデルは,レベルと意識の内容のためにEEG指数を構築した。結果:PEは意識の全4つの状態を区別した(p<0.001)。NWC,MCS,昏睡,および全身麻酔に対する意識の変化した内容は,サンプルEnとPLZCによって最も良く区別された。対照的に,これらの4つの状態に対する意識レベルはガンマとPEのRPによって最も良く区別された。GA-SVMと組み合わせた多次元指数は,PE,PLZC,サンプルEn,およびDFAの統合が最も高い分類精度(92.3%)を有することを示した。GA-SVMは,これらの4つの状態を区別することにおいて,ランダムな森林とニューラルネットワークより良かった。レベルと含有量の次元における座標値を,多変量線形回帰モデルと非線形測定PE,PLZC,サンプルEn,およびDFAによって構築した。結論:多次元測定,特にPE,サンプルEn,PLZC,およびDFAは,GA-SVMと組み合わせると,意識を定量化する枠組みを構築するための有望な方法である。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： *サポートベクトルマシン ,  意識障害 ,  エントロピー ,  昏睡 ,  ニューラルネットワーク ,  全身麻酔 ,  神経科学 ,  覚醒 ,  高次元 ,  *遺伝的アルゴリズム ,  脳波
準シソーラス用語： 分類精度 ,  意識レベル ,  複雑性 ,  最小意識状態 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 非線形 ,  遺伝的アルゴリズム ,  サポートベクトルマシン ,  組合せ ,  意識 ,  構築