文献

J-GLOBAL ID：202002257891879792   整理番号：20A2461824

生成敵対ネットワークを用いた依存多チャネルECGの合成【JST・京大機械翻訳】

Synthesis of Dependent Multichannel ECG using Generative Adversarial Networks

著者 (1件)： Brophy Eoin (Dublin City University, Dublin, Ireland)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIKM ’20  ページ： 3229-3232  発行年： 2020年 
JST資料番号： D0698C  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： 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】

シソーラス用語： *ネットワーク ,  心電図 ,  コミュニティ ,  プライバシー ,  計算機アーキテクチャ
準シソーラス用語： 訓練データ ,  時系列データ ,  ワーピング ,  マルチチャネル ,  高品質 ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (3件)： 生成敵対ネットワーク ,  医療データ合成 ,  多変量時系列合成

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  生体計測  (EL03020C)

タイトルに関連する用語 (3件)： 敵対 ,  多チャネル ,  ECG