抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
医療データへのアクセスは,その敏感な性質により高度に調節され,研究または臨床目的のためにこれらのデータを利用するためのコミュニティの能力を制限することができる。データの共有を可能にする共通の脱同定技術は,あらゆる環境における個人の個人データに対する適切な保護を提供しないかもしれない。著者らは,これらのプライバシーと同定の懸念に取り組むために,現実的な医療時系列データを生成するために,Generative Adversarial Network(GAN)の能力を調査した。著者らは,患者で観察される波形の代表である,合成およびより重要な多チャネル心電図(ECG)信号を生成する。高品質合成時系列データの成功した生成は,実際の患者データに対する効果的な代替として作用する可能性がある。初めて,従属多チャネル時系列信号を生成することができる多変量GANアーキテクチャを示した。生成されたGANサンプルを評価する手段として,多変量動的時間ワーピングの最初の応用を示した。定量的証拠は,著者らのGANが,訓練セットと構造的に類似したデータを生成し,また,発生サンプル全体にわたって多様であり,一方,根底にある訓練データに対する十分なプライバシー保証を保証することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】