文献

J-GLOBAL ID：202102264302166567   整理番号：21A0665009

データ増強を用いた深層畳込みニューラルネットワークによる12誘導ECGにおける心臓異常検出【JST・京大機械翻訳】

Cardiac Abnormality Detection in 12-lead ECGs With Deep Convolutional Neural Networks Using Data Augmentation

著者 (4件)： Weber Lucas (HTWG Konstanz,Konstanz,Germany) ,  Gaiduk Maksym (HTWG Konstanz,Konstanz,Germany) ,  Scherz Wilhelm Daniel (HTWG Konstanz,Konstanz,Germany) ,  Seepold Ralf (I.M. Sechenov First Moscow State Medical University,Moscow,Russian Federation)
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： 残留ニューラルネットワークを適応し,心臓病学チャレンジ2020のPhysionet/Computingデータに適用し,12-リードから24の異なるクラスの心臓異常を検出した。付加Gauss雑音,信号シフト,および異なる長さの信号部分の分類を適用して,過剰適合からネットワークを防ぎ,一般化を容易にした。特徴抽出器の後のグローバルプール層の使用のため,ネットワークは信号の長さに依存しない。チャレンジの隠れテストセットにおいて,モデルは0.656の検証スコアと0.27の全試験スコアを達成し,41の公式にランクされたチーム(Team名:UC_Lab_Kn)の15番目を配置した。これらの結果は,訓練データが多様なデータセットおよび異なる長さからであっても,生データおよび複雑なマルチクラスマルチラベル分類問題への適用のための深層ニューラルネットワークの可能性を示した。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： *ネットワーク ,  *心臓 ,  *ニューラルネットワーク ,  特徴抽出 ,  Gauss雑音
準シソーラス用語： 訓練データ ,  異常検出 ,  マルチラベル分類 ,  生データ ,  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 (6件)： データ増強 ,  深層畳込みニューラルネットワーク ,  誘導 ,  ECG ,  心臓 ,  異常検出