文献

J-GLOBAL ID：202102217578898173   整理番号：21A1301185

深層ニューラルネットワークを用いたECG分類のための非アーキテクチャ改善【JST・京大機械翻訳】

Non-architectural improvements for ECG classification using deep neural network

著者 (7件)： Andreev Pavel (Higher School of Economics - National Research University,Moscow,Russia) ,  Ananev Vladislav (Novgorod State University,Veliky Novgorod,Russia) ,  Avetisyan Aram (Lomonosov Moscow State University,Moscow,Russia) ,  Makarov Vladimir (Novgorod State University,Veliky Novgorod,Russia) ,  Gliner Vadim (Technion-IIT,Computer Science Department,Haifa,Israel) ,  Schuster Assaf (Technion-IIT,Computer Science Department,Haifa,Israel) ,  Karpulevich Evgeny (Genome Technologies and Bioinformatics Research Centre, Moscow Institute of Physics and Technology,Dolgoprudniy,Russia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ISPRAS  ページ： 64-68  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： 機械学習アルゴリズムにおける最新の進歩により,12リード心電図の解釈への新しい深層学習ベースアプローチが開発され,専門家のものに匹敵する診断の質を実証している。本論文では,深層ニューラルネットワークによるECG分類の品質を増加させるいくつかの手法を提案した。この技法は,患者メタデータ組込み,信号雑音除去および自己適応モデル訓練を含む。方法の実験的検証は,日常診療中に得られた64198標準ECG記録を含む新規データセットで行った。実施した実験は,ベースラインと比較して統計的に有意な品質成長を示し,著者らの知見のさらなる応用を支持した。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： 心電図 ,  基準線 ,  *計算機アーキテクチャ ,  学習アルゴリズム ,  雑音除去 ,  メタデータ
準シソーラス用語： 自己適応 ,  日常診療 ,  深層学習 ,  *ディープニューラルネットワーク , 【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)： 深層ニューラルネットワーク ,  ECG ,  分類 ,  アーキテクチャ