文献

J-GLOBAL ID：202102268500779446   整理番号：21A0665071

機械学習による心臓不整脈の検出と分類:系統的レビュー【JST・京大機械翻訳】

Detection and Classification of Cardiac Arrhythmias by Machine Learning: a Systematic Review

著者 (3件)： Fernandes RC (Biomedical Engineering, Engineering, Modelling and Applied Social Sciences Centre of the Federal, University of ABC,Sao Paulo,Brazil) ,  Paredes JS (Biomedical Engineering, Engineering, Modelling and Applied Social Sciences Centre of the Federal, University of ABC,Sao Paulo,Brazil) ,  Salinet J
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： 機械学習(ML)技術は,重要な健康管理タスクで人間としてより良く機能できる。最近の進歩は,心臓不整脈のML,自動高レベル特徴抽出および分類を用いて実行することを可能にする。本研究では,心臓不整脈分類に対するMLの主たる方法,データベース,および寄与を同定するための系統的文献レビューを狙った。PubMed,Science Direct,IEEE,Scielo,Scopus,およびWebを含む電子データベースを,2014年から2019年まで,以下のキーワード”ECG”,”心臓信号”,”不整脈”,”分類”および”機械学習”を組み合わせて検索した。28の研究を適格として選択した。分類クラスは2から17の範囲であり,2クラス(研究の71.4%)の有病率であった。最も頻繁な適用方法は,人工ニューラルネットワーク(13論文)であり,続いてサポートベクトルマシンと混合技術(5論文)が続いた。MIT-BIH不整脈データベースは15の研究(54%)で使用されたが,8(28.5%)はそれら自身のデータを利用した。結果を評価するためのアプローチベースは混乱行列であり,研究の82%までは精度,67.8%の精度,および46%の感度/特異性を用いた。ECGを介した心臓不整脈の分類は,研究グループから興味が増大しており,ML分類は,パフォーマンスの上昇レベルを示している。それは患者と臨床医の両方に有益である。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： データベース ,  *心臓 ,  ニューラルネットワーク ,  特徴抽出 ,  *不整脈 ,  健康管理 ,  カオス ,  Web【情報システム】 ,  *機械学習 ,  サポートベクトルマシン ,  システマティックレビュー
準シソーラス用語： 臨床医 ,  特異性 ,  体系的文献レビュー , 【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 (4件)： 機械学習 ,  心臓不整脈 ,  分類 ,  系統的レビュー