文献

J-GLOBAL ID：202102286456472127   整理番号：21A0310868

マルチ特徴情報融合LSTM-RNN検出OSA手法【JST・京大機械翻訳】

Multi-Feature Information Fusion LSTM-RNN Detection for OSA

著者 (2件)： Zhu Zhaokun (斉魯工業大学(山東省科学院)山東省人工智能研究院 済南250014;黒竜江大学計算机科学技術学院 哈爾浜 150080;黒竜江大学軟件学院 哈爾浜 150080) ,  Li Jinbao (斉魯工業大学(山東省科学院)山東省人工智能研究院 済南250014)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 57  号： 12  ページ： 2547-2555  発行年： 2020年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 閉塞性睡眠時無呼吸(obstructivesleepapnea,OSA)は最もよく見られる睡眠呼吸疾患であり、人体の多くの生理系に対して、特に心血管系に対して潜在的な脅威である。既存のECG信号(electrocardiograph,ECG)を用いて、浅層特徴検出OSAを抽出する方法は、長断片、高ノイズのECG信号と大データセットで表現が悪い。上述の問題に対して、多特徴ECG信号融合の長い短期記憶循環ニューラルネットワークを提案し、ECG信号から抽出した多種の浅層特徴信号に融合し、融合信号に深層特徴を学習することでOSAを検出する。長断片ECGにおける検出精度と大データセットの一般化能力を改善した。同時に、浅層特徴信号に対して有効なデータ前処理方法を提案し、OSAの時系列変化を突き出し、ニューラルネットワーク訓練の収束性を高め、異常値ノイズによる影響を低減させ、さらに高ノイズECG断片における検出精度を向上させる。実験結果は,提案した方法がOSA検出精度において既存の方法より優れていることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *心電図 ,  ニューラルネットワーク ,  循環系 ,  異常値 ,  深層
準シソーラス用語： 検出精度 ,  データ前処理 ,  特徴検出 ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： マルチ ,  特徴情報 ,  融合 ,  手法