文献

J-GLOBAL ID：202102299625265437   整理番号：21A2871460

最適経路フォレストに基づくECG不整脈分類【JST・京大機械翻訳】

ECG arrhythmia classification based on optimum-path forest

著者 (5件)： Luz Eduardo Jose da S. (Universidade Federal de Ouro Preto, Computing Department, Ouro Preto, MG, Brazil) ,  Nunes Thiago M. (Universidade Federal do Ceara, Teleinformatic Engeneering Department, Fortaleza, CE, Brazil) ,  de Albuquerque Victor Hugo C. (Universidade de Fortaleza, Post-Graduate Program in Applied Informatics, Fortaleza, CE, Brazil) ,  Papa Joao P. (Universidade Estadual Paulista, Computer Science Department, Bauru, SP, Brazil) ,  Menotti David (Universidade Federal de Ouro Preto, Computing Department, Ouro Preto, MG, Brazil)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 40  号： 9  ページ： 3561-3573  発行年： 2013年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 心臓疾患診断のための重要なツールは,心電図(ECG)信号の分析であり,ECG試験の非侵襲的性質と単純さである。応用に従って,ECGデータ解析は,心臓不整脈(すなわち,心臓リズム異常)を検出するために,前処理,セグメンテーション,特徴抽出および分類のようなステップから成る。高速で正確な心臓不整脈信号分類プロセスに狙いを定めて,著者らは,最近のロバスト教師つきグラフベースのパターン認識技術,最適経路森林(OPF)分類装置を適用し,分析する。知る限りでは,OPF分類器がECG心拍信号分類タスクに使用されるのは初めてである。次に,他の3つのよく知られたエキスパートシステム分類器,すなわちサポートベクトルマシン(SVM),Bayesおよび多層人工ニューラルネットワーク(MLP)のそれらに対するOPF分類器の性能(訓練および試験時間,精度,特異性および感度)を比較し,ECG不整脈解析のための文献において考察した6つの主なアプローチから抽出した特徴を用いた。著者らの実験では,MIT-BIH不整脈データベースと医療機器のアドバンスメントのために推奨された評価プロトコルを用いた。得られた結果の議論は,OPF分類器がロバスト性能,即ち,パラメータ設定の必要がなく,極めて低い計算コストで高精度であることを示した。さらに,平均では,OPF分類器は,分類時間と精度に関してMLPとSVM分類器よりも大きな性能をもたらし,Bayes分類器に対して非常に類似した性能を生み出し,ECG信号解析のための有望な技術であることを示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  セグメンテーション ,  データベース ,  分類装置 ,  *最適航路 ,  心臓 ,  心電図 ,  ニューラルネットワーク ,  特徴抽出 ,  *不整脈 ,  エキスパートシステム ,  ロバスト性 ,  サポートベクトルマシン
準シソーラス用語： 非侵襲 ,  信号分類 , 【Automatic Indexing@JST】

著者キーワード (6件)： ECG分類 ,  特徴抽出 ,  最適経路森林 ,  サポートベクトルマシン ,  Bayes ,  多層人工ニューラルネットワーク

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 経路 ,  ECG ,  不整脈 ,  分類