文献

J-GLOBAL ID：202102210595019471   整理番号：21A2572651

生理学的信号データにおける深層学習:調査【JST・京大機械翻訳】

Deep Learning in Physiological Signal Data: A Survey

著者 (4件)： Rim Beanbonyka (Department of Computer Science, Soonchunhyang University, Asan 31538, Korea) ,  Sung Nak-Jun (Department of Computer Science, Soonchunhyang University, Asan 31538, Korea) ,  Min Sedong (Department of Medical IT Engineering, Soonchunhyang University, Asan 31538, Korea) ,  Hong Min (Department of Computer Software Engineering, Soonchunhyang University, Asan 31538, Korea)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 4  ページ： 969  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 深学習(DL)は,弁別的および生成的タスクに対する有望なアプローチであり,最近,2D医用画像分析における高い可能性を証明した。しかし,1Dシグナルの形での生理学的データは,所望の医療作業を果たすために,この新規アプローチから有益に活用されていない。したがって,本論文では,筋電図(EMG),心電図(ECG),脳波(EEG),および心電図(EOG)のような生理学的信号データにおける深層学習に関する最新の科学的研究を調査した。著者らは,種々のジャーナルと出版者から包括された2018年1月2018年10月2019日の間に発表された147の論文を発見した。この論文の目的は,様々な医療用途のための生理学的信号解析で使用される深層学習アプローチの鍵となるパラメータを理解し,分類し,比較するための詳細な研究を行うことである。レビューする深層学習アプローチの鍵となるパラメータは,入力データタイプ,深層学習タスク,深層学習モデル,訓練アーキテクチャ,およびデータセットソースである。それらはシステム性能に影響する主要な重要パラメータである。生理学的信号解析における深層学習法を用いて研究を分類する。(1)生理学的信号データ展望,例えばデータモダリティと医療応用;および(2)訓練アーキテクチャおよびデータセット源のような深層学習概念展望。Copyright 2021 The Author(s) 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 ,  脳波 ,  心電図 ,  筋電図 ,  二次元 ,  一次元 ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： モダリティ ,  システム性能 ,  医用画像解析 ,  生理信号 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  機械学習 ,  生理学的シグナル ,  1D信号データ解析

分類 (2件)： 生体計測  (EL03020C) ,  人工知能  (JE08000Z)

引用文献 (154件)：

• Mu, R.; Zeng, X. A Review of Deep Learning Research. TIISs 2019, 13, 1738-1764.
• Zhang, L.; Jia, J.; Li, Y.; Gao, W.; Wang, M. Deep Learning based Rapid Diagnosis System for Identifying Tomato Nutrition Disorders. KSII Trans. Internet Inf. Syst. 2019, 13, 2012-2027.
• Ganapathy, N.; Swaminathan, R.; Deserno, T.M. Deep learning on 1-D biosignals: A taxonomy-based survey. Yearbook Med. Inf. 2018, 27, 98-109.
• Zhang, D.; Yao, L.; Chen, K.; Wang, S.; Chang, X.; Liu, Y. Making Sense of Spatio-Temporal Preserving Representations for EEG-Based Human Intention Recognition. IEEE Trans. Cybern. 2019, 1-12.
• PubMed. Available online: https://www.ncbi.nlm.nih.gov/pubmed/ (accessed on 31 October 2019).

タイトルに関連する用語 (3件)： 生理学的信号 ,  深層学習 ,  調査