文献

J-GLOBAL ID：202002251930410708   整理番号：20A2037921

意識障害検出のための深層畳込みニューラルネットワーク【JST・京大機械翻訳】

Deep Convolutional Neural Network for Detection of Disorders of Consciousness

著者 (5件)： Xu Zifan (Tianjin University,School of Electrical and Information Engineering,Tianjin,China,300072) ,  Wang Jiang (Tianjin University,School of Electrical and Information Engineering,Tianjin,China,300072) ,  Wang Ruofan (Tianjin University of Technology and Education,School of Automation and Electrical Engineering,Tianjin,China,300222) ,  Zhang Zhen (Tianjin University,School of Electrical and Information Engineering,Tianjin,China,300072) ,  Yang Shuangming (Tianjin University,School of Electrical and Information Engineering,Tianjin,China,300072)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CCC  ページ： 7084-7089  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： 意識の診断は臨床診断において常に大きな課題である。回答者研究は,機械学習が最小意識状態(MCS)と非応答覚醒症候群(UWS)を区別する強力な能力を持つことを証明した。さらに,畳み込みニューラルネットワークは他の障害の脳波(EEG)解析において大きな進歩を遂げた。結果として,意識障害の患者からの静止状態EEG信号を用いて,転帰予測のために改善された1D畳込みニューラルネットワーク構造を提案した。モデルは,MCSの34名から690個のEEGセグメントを訓練し,Coma回復尺度で診断したUWSの35名によって確立された。実験結果は,著者らの研究における改良モデルの正確度,陽性予測値,特異性,および感度が,それぞれ88.84%,85.59%,86.79%,および91.22%であることを示した。それは,著者らの改良モデルが,深いグラフ畳込みニューラルネットワークを有するモデルと同様に,バッチ正規化層のないモデルより良い性能を有することを示した。本研究における改良1D畳込みニューラルネットワークモデルは,意識障害の臨床診断と検出のための補助医療方法として使用することができる。より深く,それは他の神経疾患におけるロバストエキスパートシステムの開発を駆動できた。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： 脳波 ,  神経系疾患 ,  一次元 ,  覚醒 ,  *意識障害 ,  エキスパートシステム ,  正規化 ,  ロバスト性 ,  機械学習
準シソーラス用語： 臨床診断 ,  特異性 ,  最小意識状態 ,  脳波信号 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 意識障害 ,  深層畳込みニューラルネットワーク