文献

J-GLOBAL ID：202102283805161018   整理番号：21A0230268

リカレントニューラルネットワークと深層ニューラルネットワークの組合せによるECG信号からの運動アーチファクトの除去【JST・京大機械翻訳】

Removal of Motion Artifacts from ECG signals by Combination of Recurrent Neural Networks and Deep Neural Networks

著者 (3件)： Zubair Muhammad (Prasad V. Potluri Siddhartha Institute of Technology,Department of Electronics and Communication Engineering,Vijayawada,Andhra Pradesh,India) ,  Chandra Mouli Gunturi N V S (Prasad V. Potluri Siddhartha Institute of Technology,Department of Electrical and Electronics Engineering,Vijayawada,Andhra Pradesh,India) ,  Shaik Rafi Ahamed (Indian Institute of Technology Guwahati,Department of Electronics and Electrical Engineering,Guwahati,Assam,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICECIE  ページ： 1-7  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： 心電図(ECG)は,心臓の有用性のグラフィカルな門脈である。ECGシグナルは,心臓不規則性の発見においてその有意性を保持する。これらのECGシグナルは,種々のソースからの抗quesによって頻繁に染色される。心臓の有用性で同定された改善結果の徴候を示すのに,これらのカリオを縮小し,正確性を改善するのは基本である。ECG信号における最も一般的に使用されるアーチファクトは運動アーチファクト(MA)である。本論文では,機械学習アルゴリズムがECG信号を雑音除去するためにどのように使用できるかに関する新しい概念を提案した。目標に向けて,リカレントニューラルネットワーク(RNN)と深層ニューラルネットワーク(DNN)のユニークな組み合わせを用いてMAを効率的に除去した。MIT-BIH不整脈データベースから得たECG記録を用いて提案アルゴリズムを検証した。提案方法を用いてMAを除去するために,著者らは,RNNとDNNモデルにおける汚染ECGデータを訓練して,適合するためにAdam最適化アルゴリズムを使用した。SNRとRRMSEに関する性能評価結果は,提案したアルゴリズムがECG信号の形態を著しく歪めることなく他の既存のMA除去方法より優れていることを示した。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： アルゴリズム ,  データベース ,  最適化手法 ,  心臓 ,  *心電図 ,  不整脈 ,  門脈 ,  *アーチファクト ,  性能評価 ,  学習アルゴリズム ,  雑音除去
準シソーラス用語： *リカレントニューラルネットワーク ,  不規則性 ,  *モーションアーチファクト ,  *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 (5件)： リカレントニューラルネットワーク ,  深層ニューラルネットワーク ,  組合せ ,  ECG信号 ,  運動アーチファクト