文献

J-GLOBAL ID：202002285536286180   整理番号：20A1141535

特徴自己抽出による深さ学習血圧予測モデルの検討【JST・京大機械翻訳】

Research on model for feature self-extracted blood pressure prediction based on deep learning

著者 (5件)： Shi Rongkun (上海交通大学電子信息与電气工程学院微納電子学系,上海,200240) ,  Hazem Mohammed (上海交通大学電子信息与電气工程学院微納電子学系,上海,200240) ,  Lin Binghui (上海交通大学電子信息与電气工程学院微納電子学系,上海,200240) ,  Wang Min (上海交通大学電子信息与電气工程学院微納電子学系,上海,200240) ,  Wang Guoxing (上海交通大学電子信息与電气工程学院微納電子学系,上海,200240)
資料名： Chuanganqi yu Wei Xitong  (Chuanganqi yu Wei Xitong)
巻： 39  号： 4  ページ： 16-19  発行年： 2020年 
JST資料番号： C3686A  ISSN： 1000-9787  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 循環ニューラルネットワーク(RNN)に基づくBP予測モデルとその実現プロセスを紹介した。信号ハードウェアの収集回路と人体の生理の巨大な差異のため、光電容積脈波(PPG)波形の特徴点の変化は大きく、血圧モデルのロバスト性に影響する。この問題に対して、データ増強とモデル改善の方面において、いくつかの探索的仕事を行い、データ方面に豊富な脈波波形のデータ収集実験、一般正規化方法の改善、フィルタリング後及び原始の光電容積脈波信号の予測を行い、モデル方面に個人の身体的情報を加えた。循環ニューラルネットワークに基づくBP予測モデルは,モデルの複雑さが最小で,AAMI基準に適合する試験精度を達成した。収縮期血圧(4.87±7.80)mmHg,拡張期血圧(4.60±6.09)mmHg。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *血圧 ,  ニューラルネットワーク ,  フィルタリング ,  ハードウェア ,  脈波 ,  データ収集 ,  正規化 ,  ロバスト性 ,  収縮期血圧 ,  *予測モデル
準シソーラス用語： 拡張期血圧 ,  特徴点 ,  光電気 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (4件)： 自己 ,  学習 ,  血圧 ,  予測モデル