文献

J-GLOBAL ID：202102257150680753   整理番号：21A0664955

非線形特徴と畳込みニューラルネットワークを用いたECG不整脈分類【JST・京大機械翻訳】

ECG Arrhythmia Classification Using Non-Linear Features and Convolutional Neural Networks

著者 (5件)： Cajas Sebastian (Faculty of Electronics and Telecommunications Engineering, University of Cauca,Popayan,Colombia) ,  Astaiza Pedro (Faculty of Electronics and Telecommunications Engineering, University of Cauca,Popayan,Colombia) ,  Garcia-Chicangana David Santiago (Faculty of Electronics and Telecommunications Engineering, University of Cauca,Popayan,Colombia) ,  Segura Camilo (Faculty of Electronics and Telecommunications Engineering, University of Cauca,Popayan,Colombia) ,  Lopez Diego M (Faculty of Electronics and Telecommunications Engineering, University of Cauca,Popayan,Colombia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CinC  ページ： 1-4  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： 心臓不整脈分類アルゴリズムは,リスクのある患者の連続モニタリングのための重要なツールである。12のECG誘導信号を分析することによって,これらのアルゴリズムは,異なる心臓疾患を診断するのを助けることができる。したがって,著者らのチーム,カルジオLuxは,ECG信号を雑音除去し,6700以上のECG記録で訓練された畳込みニューラルネットワーク(CNN)を用いて9つの心臓不整脈を分類し,Physionetチャレンジ2020で定義される。最初に,雑音除去プロセスを,最初にSavitzky-Golay平滑化フィルタに適用した。第2に,線形および非線形特性を含む時間,周波数および時間周波数グループにクラスタ化された300の特徴を抽出した。第3に,27の特徴を注意深く選択して,著者らの特徴選択手順を用いて著者らのモデルを訓練した。最後に,CNNを実装し,訓練モデル中の雑音意識信号とバイアスを低減した。これまでに開発した提案方法を訓練セットで10倍交差検証法で試験し,0.22の課題スコアを得た。全体として,特徴抽出と選択段階は,最良の特性を選択することによって,心臓不整脈訓練モデルの性能を改善するのを助けることができる。本モデルは高レベルの解釈性を維持し,CNNを用いて構成できる高い可能性を実証した。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： アルゴリズム ,  雑音 ,  心電図 ,  特徴抽出 ,  *不整脈 ,  クラスタ化 ,  特徴選択 ,  平滑フィルタ ,  心臓病 ,  線形性 ,  雑音除去
準シソーラス用語： 分類アルゴリズム ,  時間周波数 ,  連続監視 ,  *畳込み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 (5件)： 非線形 ,  畳込みニューラルネットワーク ,  ECG ,  不整脈 ,  分類