文献

J-GLOBAL ID：202102211307194860   整理番号：21A0540728

12誘導ECGと深層学習を用いた心臓異常の検出【JST・京大機械翻訳】

Detecting Cardiac Abnormalities Using 12-Lead ECG and Deep Learning

著者 (1件)： Sharan Roneel V. (Australian Institute of Health Innovation, Macquarie University,Sydney,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： RAICS  ページ： 106-109  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： 標準12誘導心電図(ECG)は心臓異常を診断する際に心臓専門医により広く用いられている。しかし,ECG信号の手動解釈は,時間消費であり,臨床医のスキルに依存する。本研究では,12誘導ECGの自動分析を用いた心臓異常の検出に対するアプローチを提示し,8つの心臓異常と1つの正常洞調律を有する包括的データセットで検証した。提案手法は,畳み込みニューラルネットワークと双方向長短期メモリから成るモデルへの直接入力として,生ECG信号を使用する。データセットは,複数の心臓条件を有する被験者を含み,そのために,二値分類戦略,特に,1つの利得分類法を利用する。加重交差エントロピー損失関数を用いてクラスサイズの不均衡を補償する。データセットにおけるECG信号が60秒まで長い間,提案方法は,より低い計算コストで同等の性能を作り出すために,信号の最初の15秒だけを利用する。96.19%の平均検証精度,0.8026のFスコアおよび0.9624のAUCを,提案した方法を用いて達成した。Copyright 2021 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： エントロピー ,  記憶装置 ,  損失関数 ,  *心臓 ,  心電図 ,  自動分析 ,  利得
準シソーラス用語： 洞調律 ,  計算コスト ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E) ,  医用画像処理  (JE04020T) ,  符号理論  (ND02030R) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (4件)： 誘導 ,  ECG ,  深層学習 ,  心臓