文献

J-GLOBAL ID：202102279080433148   整理番号：21A0614194

EEG信号からの高次元FFT特徴による睡眠段階のための脳波の分類【JST・京大機械翻訳】

Classification of Brainwaves for Sleep Stages by High-Dimensional FFT Features from EEG Signals

著者 (10件)： Delimayanti Mera Kartika (Graduate School of Natural Science and Technology, Kanazawa University, Kanazawa 9201192, Japan) ,  Delimayanti Mera Kartika (Department of Computer and Informatics Engineering, Politeknik Negeri Jakarta, Depok 16425, Indonesia) ,  Purnama Bedy (Graduate School of Natural Science and Technology, Kanazawa University, Kanazawa 9201192, Japan) ,  Purnama Bedy (Telkom of Computing, Telkom University, Bandung 40257, Indonesia) ,  Nguyen Ngoc Giang (Graduate School of Natural Science and Technology, Kanazawa University, Kanazawa 9201192, Japan) ,  Faisal Mohammad Reza (Computer Science, Lambung Mangkurat University, Banjarbaru 70714, Indonesia) ,  Mahmudah Kunti Robiatul (Graduate School of Natural Science and Technology, Kanazawa University, Kanazawa 9201192, Japan) ,  Indriani Fatma (Graduate School of Natural Science and Technology, Kanazawa University, Kanazawa 9201192, Japan) ,  Kubo Mamoru (Institute of Science and Engineering, Kanazawa University, Kanazawa 9201192, Japan) ,  Satou Kenji (Institute of Science and Engineering, Kanazawa University, Kanazawa 9201192, Japan)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 5  ページ： 1797  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  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： 睡眠段階の手動分類は,睡眠障害の診断と治療において時間がかかるが,必要なステップであり,その自動化は活発な研究の分野である。以前の研究は,低次元高速Fourier変換(FFT)特性と多くの機械学習アルゴリズムを適用したことを示した。本論文では,機械学習法による自動睡眠段階分類の性能を改善するために,FFTを介してEEG信号から抽出した特徴の利用を実証した。FFTを用いた以前の研究とは異なり,睡眠段階を26クラスに分類するために,数千のFFT特徴を組み込んだ。61の記録による睡眠-EDFデータセットの拡張版を用いて,著者らの方法は,他の最先端技術を凌駕した。この結果は,単純な特徴選択と組み合わせた高次元FFT特性が自動睡眠段階分類の改善に有効であることを示している。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： 自動化 ,  *脳波 ,  特徴選択 ,  睡眠障害 ,  *高次元 ,  高速Fourier変換 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： *睡眠相 ,  低次元 ,  *脳波信号 , 【Automatic Indexing@JST】

著者キーワード (3件)： 自動睡眠段階分類 ,  脳波 ,  高速Fourier変換

分類 (1件)： 生体計測  (EL03020C)

引用文献 (28件)：

• Touchette, É.; Petit, D.; Seguin, J.R.; Boivin, M.; Tremblay, R.E.; Montplaisir, J.Y. Associations Between Sleep Duration Patterns and Behavioral/Cognitive Functioning at School Entry. Sleep 2007, 30, 1213-1219.
• Walker, M.P.; Stickgold, R. Sleep, Memory, and Plasticity. Annu. Rev. Psychol. 2006, 57, 139-166.
• Álvarez-Estévez, D.; Moret-Bonillo, V. Identification of Electroencephalographic Arousals in Multichannel Sleep Recordings. IEEE Trans. Biomed. Eng. 2011, 58, 54-63.
• Keenan, S.A. Handbook of Clinical Neurophysiology, An Overview of Polysomnography; Elsevier B.V.: Amsterdam, The Netherlands, 2005; Volume 6, Chapter 3; p. 18.
• Billiard, M.; Bae, C.; Avidan, A. Sleep Medicine; Smith, H.R., Comella, C.L., Hogl, B.L., Eds.; Cambridge University Press: Cambridge, UK, 2012.

タイトルに関連する用語 (6件)： EEG信号 ,  高次元 ,  FFT ,  睡眠段階 ,  脳波 ,  分類