文献

J-GLOBAL ID：202102253957964165   整理番号：21A0496277

融合深さと浅層特徴の多視点てんかん検出アルゴリズム【JST・京大機械翻訳】

Multi-view Epilepsy Detection Algorithm Combining Deep and Shallow Features

著者 (3件)： Tian Xiaobin (江南大学 数字媒体学院,江蘇 无錫 214122) ,  Deng Zhaohong (江南大学 数字媒体学院,江蘇 无錫 214122) ,  Wang Shitong (江南大学 数字媒体学院,江蘇 无錫 214122)
資料名： Jisuanji Kexue Yutansuo  (Jisuanji Kexue Yutansuo)
巻： 14  号： 10  ページ： 1712-1726  発行年： 2020年 
JST資料番号： C2939A  ISSN： 1673-9418  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 癲癇はよく見られる精神疾患である。EEG信号を分析することにより、てんかん患者の状態を監視し、患者の発病時に即時的に発見し、介入することで患者の生命安全を保護することができる。癲癇検出研究において、有効な特徴を獲得し、有効な分類器を構築する方法は癲癇の検出と識別の鍵である。より良い癲癇検出効果を得るために,融合深さと浅層特徴に基づく多角癲癇検出アルゴリズムを提案した。まず第一に,FFTとWPDを用いて,EEG信号の周波数ドメインと時間周波数領域の浅層特徴を獲得し,次に,CNNネットワーク学習を用いて,周波数領域と時間周波数領域における深さ特性を得て,次に,マルチ視野TSKファジィシステムを使用して,浅層と深さ特徴のモデリングを行った。実験により、EEG信号癲癇検出において、提案した浅層特徴と深さ特徴の効果はPCA、LDAなどの常用特徴抽出方法より1%以上高いことが分かった。融合深さの特徴と浅層特徴を用いた多角癲癇検出アルゴリズムの分類効果は単一視角アルゴリズムの検出効果より1%以上高く、単一視角アルゴリズムの平均検出効果より5%以上高い。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  学習 ,  ネットワーク ,  特徴抽出 ,  精神病 ,  *てんかん ,  発病 ,  周波数領域
準シソーラス用語： 視角 ,  ファジィシステム ,  *検出アルゴリズム ,  脳波信号 , 【Automatic Indexing@JST】

分類 (3件)： 神経科学一般  (GN01010L) ,  神経系の診断  (GN02000H) ,  精神医学一般  (GR01010X)

タイトルに関連する用語 (4件)： 融合 ,  視点 ,  てんかん ,  検出アルゴリズム