文献

J-GLOBAL ID：202002280374953252   整理番号：20A0913028

進行中の作業:深層学習を用いた実時間心房細動検出の軽量スキームの実現可能性について【JST・京大機械翻訳】

Work-in-Progress: On the Feasibility of Lightweight Scheme of Real-Time Atrial Fibrillation Detection Using Deep Learning

著者 (5件)： Yu Yunkai (Beijing Institute of Technology, China) ,  Yang Zhihong (Chinese Academy of Medical Science Institute of Medicinal Plant Development, China) ,  Li Peiyao (Tsinghua University, China; PLAGH, China) ,  Yang Zhicheng (PingAn Tech US Research Lab, USA) ,  You Yuyang (Beijing Institute of Technology, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： RTSS  ページ： 552-555  発行年： 2019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： 心房線維症(AF)は脳卒中と強く相関すると考えられている。深いニューラルネットワーク(DNNs)はリアルタイム心房細動検出の精度を改善する。しかし,埋め込みシステム上のDNNsの配置はハードウェア資源により困難である。計算負荷を低減するために,ダウンサンプリングによりAF検出タスクにおける冗長情報を除去する実現可能性を研究した。それはカーネルレベル最適化,量子化最適化,およびモデル圧縮法と互換性がある。最先端の深い学習モデルを用いて,異なるサンプリング速度の間のAF検出情報の量を推定した。本研究では,心電図(ECG)セグメントの固定長と可変長時間間隔の両方を考慮した。実験結果は,モデル性能がAF検出で完全に保持できることを実証した。アブレーション研究実験により,ダウンサンプリング信号によるロバスト性を実証した。大きな時間間隔を使用して,60Hzの信号によるAF検出精度は,300Hzの信号によるそれと比較することができた。本研究では,ダウンサンプリング信号を用いた軽量DNNモデルの設計,さらにダウンサンプリング信号のロバスト性とモデル圧縮を検討した。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： 最適化 ,  量子化 ,  学習モデル ,  互換性 ,  心電図 ,  ニューラルネットワーク ,  *心房細動 ,  ハードウェア ,  脳卒中 ,  アブレーション ,  ロバスト性
準シソーラス用語： サンプリング速度 ,  埋込みシステム ,  計算負荷 ,  *深層学習 , 【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 (6件)： 深層学習 ,  実時間 ,  心房細動 ,  軽量 ,  スキーム ,  実現可能性