文献

J-GLOBAL ID：202002278583307157   整理番号：20A1956838

マルチリードECGからのバンドル分岐ブロック検出のための深いマルチインスタンスネットワーク【JST・京大機械翻訳】

Deep Multi-instance Networks for Bundle Branch Block Detection from Multi-lead ECG

著者 (8件)： Hu Jing (CVTE Research,Guangzhou,China) ,  Zhao Wei (CVTE Research,Guangzhou,China) ,  Jia Dongya (CVTE Research,Guangzhou,China) ,  Yan Cong (CVTE Research,Guangzhou,China) ,  Wang Hongmei (CVTE Research,Guangzhou,China) ,  Li Zhenqi (CVTE Research,Guangzhou,China) ,  Fang Jiansheng (CVTE Research,Guangzhou,China) ,  Yang Ming (CVTE Research,Guangzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EMBC  ページ： 353-356  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： Bundle分枝ブロック(BBB)は最も一般的な心臓障害の1つであり,臨床診療において心電図(ECG)信号により検出できる。従来の方法は,識別力が比較的低い,いくつかの種類の手工の特徴を採用した。一方,これらの方法は教師付き学習に基づいており,訓練における高コスト心拍アノテーションを必要とした。本論文では,3種類の心拍:右BBB(RBBB),左BBB(LBBB),および複数のインスタンス学習に基づく訓練戦略を持つ他を分類するために,新しいエンドツーエンド深層ネットワークを提案した。提案方法を中国生理的信号チャレンジ2018データベース(CPSC)に訓練し,MIT-BIH不整脈データベース(AR)で試験した。提案方法は,ベースライン法より,78.58%の精度と84.78%(LBBB),51.23%(他の)と99.72%(RBBB)の感度を達成した。実験結果は,著者らの方法が心拍注釈の代わりに記録レベルラベルを有するECGデータセットに関するBBB分類のための良い選択であることを示した。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： 学習 ,  データベース ,  *ネットワーク ,  心電図 ,  心拍 ,  不整脈 ,  教師つき学習 ,  心臓病 ,  エンドツーエンド方式 ,  基準線 ,  深層 ,  アノテーション
準シソーラス用語： LBBB ,  RBBB ,  生理信号 , 【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 (4件)： マルチ ,  リード ,  ECG ,  分岐