文献

J-GLOBAL ID：202102226886522930   整理番号：21A0896832

重症心血管疾患の検出における連続性分析のための人工知能分割動的ビデオ画像【JST・京大機械翻訳】

Artificial Intelligence Segmented Dynamic Video Images for Continuity Analysis in the Detection of Severe Cardiovascular Disease

著者 (9件)： Zhu Xi (Clinical Medical College, Yangzhou University, Yangzhou, China) ,  Xia Wei (Clinical Medical College, Yangzhou University, Yangzhou, China) ,  Bao Zhuqing (Clinical Medical College, Yangzhou University, Yangzhou, China) ,  Zhong Yaohui (Department of Computer Science and Technology, Nanjing University, Nanjing, China) ,  Fang Yu (Clinical Medical College, Yangzhou University, Yangzhou, China) ,  Yang Fei (Clinical Medical College, Yangzhou University, Yangzhou, China) ,  Gu Xiaohua (Clinical Medical College, Yangzhou University, Yangzhou, China) ,  Ye Jing (Clinical Medical College, Yangzhou University, Yangzhou, China) ,  Huang Wennuo (Clinical Medical College, Yangzhou University, Yangzhou, China)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 14  ページ： 618481  発行年： 2020年 
JST資料番号： U7087A  ISSN： 1662-453X  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： 本論文では,集中的心血管および脳血管疾患モニタリングのプロセスに基づく人工知能分割動的ビデオ画像について深く調査して,4層スタック構造を有する疎自動符号化深層ニューラルネットワークを設計して,セグメント化動的ビデオ画像ショットの深い特徴を自動的に抽出して,正常,心房早期,心室早期,右束分枝ブロック,左束分枝ブロック,およびペーシングの6つのカテゴリーを,階層的訓練および最適化を通して達成した。心拍の正確な認識は99.5%の平均精度であった。それは心室細動のような高リスク心血管疾患の知的予測のための技術的支援を提供する。エコー位置ネットワークに基づく突然心臓死のためのインテリジェント予測アルゴリズムを提案した。多層シリアル構造を有するエコー位置ネットワークを設計することによって,突然の心臓死信号と非s死信号の間の知的区別を実現して,信号を突然死の5分前に予測し,平均予測精度は94.32%であった。スタックスパース自動符号化ネットワークの自己学習能力を用いて,大量のラベルフリーデータを設計して,プラーク特徴の深い表現を自動的に抽出するために,スタックスパース自動符号化深層ニューラルネットワークを訓練した。次に,少量のラベル付きデータを導入し,ネットワーク全体をマイクロトレインに導入した。プラークにおける繊維キャップ厚さの自動解析を通して,薄いファイバキャップ状脆弱なプラークの自動同定を達成して,脆弱な領域の平均オーバーラップは87%に達した。自動プラークと脆弱なプラーク認識アルゴリズムの全体的時間は0.54sであった。それは,高リスク心血管疾患の正確な診断と内因性分析のための理論的サポートを提供する。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： 最適化 ,  セグメンテーション ,  ネットワーク ,  死 ,  心室 ,  心拍 ,  心房 ,  画像処理 ,  *人工知能 ,  *心血管疾患 ,  *録画装置 ,  *循環系 ,  プラーク ,  急死
準シソーラス用語： 予測精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 人工知能 ,  セグメント化動的 ,  ビデオイメージング ,  重症心血管疾患の検出 ,  連続性解析

分類 (1件)： 医用画像処理  (JE04020T)

引用文献 (32件)：

• AliS.IsmailY.BadawiA. (2018). Adaptive multi-connection DASH scalable video coding for wireless area networks. Int. J. Comput. Digital Syst. 7 175-188. doi: 10.12785/ijcds/070401
• AminikhanghahiS.CookD. J. (2017). A survey of methods for time series change point detection. Knowl. Inform. Syst. 51 339-367. doi: 10.1007/s10115-016-0987-z 28603327
• BanerjeeD.IslamK.XueK.MeiG.XiaoL.ZhangG. (2019). A deep transfer learning approach for improved post-traumatic stress disorder diagnosis. Knowl. Inform. Syst. 60 1693-1724. doi: 10.1007/s10115-019-01337-2
• BecharM. E. A.SettoutiN.BarraV.ChikhM. A. (2018). Semi-supervised superpixel classification for medical images segmentation: application to detection of glaucoma disease. Multidimensional Syst. Signal Process. 29 979-998. doi: 10.1007/s11045-017-0483-y
• CostaA. C.AhamedT.StephensG. J. (2019). Adaptive, locally linear models of complex dynamics. Proc. Natl. Acad. Sci. U.S.A. 116 1501-1510. doi: 10.1073/pnas.1813476116 30655347

タイトルに関連する用語 (6件)： 重症 ,  心血管疾患 ,  連続性 ,  分析 ,  人工知能 ,  ビデオ画像