文献

J-GLOBAL ID：202002265537699147   整理番号：20A2565316

スパイキングニューラルネットワークによるエネルギー効率の良いECG分類【JST・京大機械翻訳】

Energy efficient ECG classification with spiking neural network

著者 (3件)： Yan Zhanglu (Department of Computer Science, National University of Singapore, Singapore) ,  Zhou Jun (Department of Computer Science, National University of Singapore, Singapore) ,  Wong Weng-Fai (Department of Computer Science, National University of Singapore, Singapore)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 63  ページ： Null  発行年： 2021年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 心臓病はWHOに従って2019年に世界的な健康に対する10の脅威の1つである。ウェアラブルデバイス上のECGの連続モニタリングは,早期の心臓ビートにおける異常を検出することができ,それによって,生命を節約する鍵であることが知られている早期介入の機会を著しく増加させる。本論文では,畳み込み(CNN)とスパイキングニューラルネットワーク(SNN)を使用する,一連の患者間ECG分類法を提示する。患者をいくつかの患者で訓練し,次に訓練で使用しない患者について推論するために使用した,患者間心拍分類に焦点を当てた。本論文では,ほとんどのウェアラブルデバイスが複雑なデータ前処理を扱うことができないので,生の心拍データを使用した。電力を節約するために2段階畳込みニューラルネットワーク試験法を提案した。より大きな省エネルギーのために,スパイキングニューラルネットワークも提案した。後者は,訓練されたCNNモデルを1パーセント未満の精度低下で変換することにより得られる。2クラスSNNの平均電力は,以前に提案したニューラルネットワークベース解の0.077Wまたは0.0074×である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  電力 ,  心臓 ,  *心拍 ,  心臓病 ,  省エネルギー ,  エネルギー効率
準シソーラス用語： 試験方法 ,  ウェアラブルデバイス ,  *スパイキングニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： ECG分類 ,  省電力 ,  CNN ,  SNN

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： スパイキングニューラルネットワーク ,  エネルギー効率 ,  ECG ,  分類