文献

J-GLOBAL ID：202102220173774291   整理番号：21A1070932

多領域特徴抽出と非線形解析を用いたEEG信号の自動てんかん発作検出【JST・京大機械翻訳】

Automatic Epileptic Seizure Detection in EEG Signals Using Multi-Domain Feature Extraction and Nonlinear Analysis

著者 (8件)： Wang Lina (National Laboratory of Aerospace Intelligent Control Technology, Beijing Aerospace Automatic Control Institute, Beijing 100854, China) ,  Xue Weining (Department of Neurology, Affiliated Hospital of Academy of Military Medical Sciences, Beijing 100071, China) ,  Li Yang (School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China) ,  Li Yang (Fujian Provincial Key Laboratory of Information Processing and Intelligent Control, Minjiang University, Fuzhou 350121, China) ,  Luo Meilin (School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China) ,  Huang Jie (School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China) ,  Cui Weigang (School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China) ,  Huang Chao (School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China)
資料名： Entropy (Web)  (Entropy (Web))
巻： 19  号： 6  ページ： 222  発行年： 2017年 
JST資料番号： U7179A  ISSN： 1099-4300  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： てんかん発作検出は,脳電図(EEG)信号の視覚観察による専門家臨床医によって一般的に実行され,それは時間がかかり,バイアスに敏感である傾向がある。ほとんどの以前の研究におけるてんかん検出は,大きなデータセットを処理するための低電力と不適性に悩まされている。したがって,コンピュータ化てんかん発作検出法は,前述の問題を根絶し,てんかん研究を促進し,医療専門家を助けるために高度に必要とされる。本研究では,EEG信号のマルチドメイン特徴抽出と非線形解析の組み合わせに基づく自動てんかん診断フレームワークを提案した。最初に,EEG信号を,アーチファクトを除去するためにウェーブレット閾値法を用いて前処理した。次に,情報理論に基づいて時間領域,周波数領域,時間周波数領域および非線形解析特徴における代表的特徴を抽出した。これらの特徴は,臨床上の関心に基づく5つの周波数サブバンドでさらに抽出され,元の特徴空間の次元は,主成分分析と分散分析の両方を用いて低減される。さらに,抽出した特徴の最適組合せを同定し,EEG信号のてんかん発作検出のための異なる分類器を介して評価した。最後に,ドイツの大学病院Bonnの公共EEGデータベースを用いて,提案した方法の性能を調べた。実験結果は,提案したてんかん発作検出法が99.25%の高い平均精度を達成することができ,てんかん発作の検出と分類における強力な方法を示す。したがって,提案した発作検出スキームは,視覚観察によって多数のデータを処理し,てんかん診断をスピードアップする場合に,エキスパート臨床医の負担を排除するために望まれる。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： 視覚 ,  データベース ,  脳波 ,  *特徴抽出 ,  *てんかん ,  波束 ,  *非線形解析 ,  医療従事者 ,  検出法 ,  主成分分析 ,  *発作 ,  コンピュータ ,  アーチファクト ,  周波数領域
準シソーラス用語： *てんかん性発作 , 【Automatic Indexing@JST】

著者キーワード (7件)： EEG ,  てんかん発作検出 ,  ウェーブレット閾値雑音除去 ,  ウェーブレット特徴抽出 ,  非線形解析 ,  主成分分析(PCA) ,  分散(ANOVA)の解析

分類 (2件)： 生体計測  (EL03020C) ,  神経系の診断  (GN02000H)

引用文献 (43件)：

• Acharya, U.R.; Sree, S.V.; Alvin, A.P.C.; Yanti, R.; Suri, J.S. Application of non-linear and wavelet based features for the automated identification of epileptic eeg signals. Int. J. Neural Syst. 2012, 22, 1250002.
• Mormann, F.; Andrzejak, R.G.; Elger, C.E.; Lehnertz, K. Seizure prediction: The long and winding road. Brain 2007, 130, 314-333.
• Tzallas, A.T.; Tsipouras, M.G.; Fotiadis, D.I. Automatic seizure detection based on time-frequency analysis and artificial neural networks. Comput. Int. Neurosci. 2007, 2007, 1-13.
• Hassan, A.R.; Siuly, S.; Zhang, Y. Epileptic seizure detection in eeg signals using tunable-q factor wavelet transform and bootstrap aggregating. Comput. Methods Progr. Biomed. 2016, 137, 247-259.
• Rizvi, S.A.; Zenteno, J.F.T.; Crawford, S.L.; Wu, A. Outpatient ambulatory eeg as an option for epilepsy surgery evaluation instead of inpatient eeg telemetry. Epilepsy Behav. Case Rep. 2013, 1, 39-41.

タイトルに関連する用語 (4件)： 特徴抽出 ,  非線形解析 ,  EEG信号 ,  てんかん発作