文献

J-GLOBAL ID：202002266266413798   整理番号：20A0614554

深層学習に基づく包括的心電図診断【JST・京大機械翻訳】

Comprehensive electrocardiographic diagnosis based on deep learning

著者 (12件)： Lih Oh Shu (Department of Electronics and Computer Engineering, Ngee Ann Polytechnic, Singapore) ,  Jahmunah V (Department of Electronics and Computer Engineering, Ngee Ann Polytechnic, Singapore) ,  San Tan Ru (National Heart Centre, Singapore) ,  Ciaccio Edward J (Department of Medicine, Cardiology, Columbia University, USA) ,  Yamakawa Toshitaka (Department of Computer Science and Electrical Engineering, Kumamoto University, Japan) ,  Tanabe Masayuki (Department of Computer Science and Electrical Engineering, Kumamoto University, Japan) ,  Tanabe Masayuki (International Research Organization for Advanced Science and Technology (IROAST) Kumamoto University, Kumamoto, Japan) ,  Kobayashi Makiko (Department of Computer Science and Electrical Engineering, Kumamoto University, Japan) ,  Faust Oliver (Department of Engineering and Mathematics, Sheffield Hallam University, United Kingdom) ,  Acharya U Rajendra (Department of Electronics and Computer Engineering, Ngee Ann Polytechnic, Singapore) ,  Acharya U Rajendra (Department of Bioinformatics and Medical Engineering, Asia University, Taichung, Taiwan) ,  Acharya U Rajendra (International Research Organization for Advanced Science and Technology (IROAST) Kumamoto University, Kumamoto, Japan)
資料名： Artificial Intelligence in Medicine  (Artificial Intelligence in Medicine)
巻： 103  ページ： Null  発行年： 2020年 
JST資料番号： T0685A  ISSN： 0933-3657  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： 心血管疾患(CVD)は世界中の死亡の主要な原因であり,冠動脈疾患(CAD)は主要な寄与者である。初期段階CADは,非診断および未治療の場合に進行し,心筋梗塞(MI)を誘導し,不可逆的心筋障害を誘導し,心室リモデリングおよび最終欝血性心不全(CHF)を生じる。心電図(ECG)信号は,確立されたMIの検出に有用であり,CADの早期診断に役立つ可能性がある。後者については,ECG摂動は,手動解釈の間に微妙で潜在的に誤分類され,ECG装置で見出された従来のアルゴリズムによって分析される場合には,潜在的に誤分類される可能性がある。自動診断システム(ADS)のために,深い学習技術は,含まれる自動特徴抽出と選択プロセスにより,従来の機械学習技術よりも好ましい。本論文は,CAD,MI,およびCHF条件へのECG信号の分類のために開発された様々な深い学習アルゴリズムを強調する。畳込みニューラルネットワーク(CNN)とそれに続くCNNとLong Short-Tem Memory(LSTM)モデルは,分類のための最も有用なアーキテクチャであると思われる。16層LSTMモデルを本研究で開発し,10倍の交差検証を用いて検証した。98.5%の分類精度を達成した。提案したモデルは,異常ECG信号の分類のための病院における有用な診断ツールである可能性がある。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： 計算機アーキテクチャ ,  アルゴリズム ,  *学習 ,  心筋疾患 ,  不可逆性 ,  心血管疾患 ,  *心電図 ,  冠動脈疾患 ,  特徴抽出 ,  心筋梗塞 ,  摂動 ,  うっ血性心不全 ,  学習アルゴリズム ,  早期診断
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： 心血管疾患 ,  冠動脈疾患 ,  心筋梗塞 ,  うっ血性心不全 ,  深層学習 ,  10倍の検証 ,  畳み込みニューラルネットワーク ,  長期短期記憶

分類 (2件)： 人工知能  (JE08000Z) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (3件)： 深層学習 ,  心電図 ,  診断